arXiv: 2610.19349v1 Annuate Type: новый резюме: Group Relative Policy Оптимизация (GRPO) не дает сигнала, связанного с вознаграждением, когда все развертываемые программы получают одинаковые вознаграж...
arXiv: 2610,07349v1 Annuate Type: новый резюме: Group Relative Policy Оптимизация (GRPO) избегает отдельного критика путем оценки преимуществ от групп развертывания. Вместе с тем для мультиподвижных а...
arXiv: 2609.36944v1 Тип уведомления: новое резюме: оптимизация политики, связанной с группами, основывается на преимуществах и весах вероятности, полученных в результате поощрения и последовательности...
arXiv:2608.20870v1 Инфракрасное обнаружение малых целей по-прежнему сложно в изображениях дистанционного зондирования, потому что цели чрезвычайно малы, демонстрируют слабый локальный контраст и часто...
Article URL: https://arxiv.org/abs/2510.24491 Comments URL: https://news.ycombinator.com/item?id=49366115 Points: 5 # Comments: 0
arXiv:2608.13622v1 Announce Type: cross Abstract: Open-ended real-world interaction admits multiple valid behaviors: an agent may answer directly, ask for clarification, provide progress updates, or c...