Test-Time Compute Scaling 深度解析：从 Best-of-N 到 GRPO 的推理时计算扩展技术
目录
- 摘要
- 一、引言：大模型扩展的第三条轴线
- 二、推理时计算扩展的理论基础
- 三、核心技术范式
- 四、GRPO：群组相对策略优化的数学原理
Test-Time Compute Scaling 深度解析：从 Best-of-N 到 GRPO 的推理时计算扩展技术
ARTICLE DETAIL
日记详情
真实记录编程学习的某一天，欢迎挑你感兴趣的翻一翻。