TwiScan 人気 コミュニティ アカウントコレクション
ログイン 登録

登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

今すぐ登録
Rosinality
@rosinality
ML Engineer @poolsideai
参加 October 2008
1K フォロー中    7.5K ファン
Rosinality@rosinality
2026.07.21 10:56
Improving exploration for rubric RL using OPSD to generate guidance for underexplored or penalized criteria. As combining criteria to construct rewards is common maybe it could be useful beyond rubric RL.
もっと見る
0
1
106
15
コミュニティへ転送