DAPO
en construction
Définition
Algorithme d'apprentissage par renforcement qui solidifie les schémas de raisonnement et qui donne également naissance à de nouveaux modes de raisonnement facilitant une bonne résolution des problèmes. L'un de ses avantages est qu'il n'affecte pas de manière significative la durée totale de l'entraînement.
Voir aussi optimisation de la politique proximale et optimisation de la politique relative au groupe
Français
XXXXXXXX
Anglais
DAPO
Decoupled Clip and Dynamic Sampling Policy Optimization
Sources
Contributeurs: Arianne Arel
