标签: REINFORCE

该标签下的全部文章 "REINFORCE".

• REINFORCE 入门：奖励怎样变成模型的梯度

  15 Sep, 2026

  用一个只有两个候选答案的模型，手算 REINFORCE 的概率、损失、梯度和 SGD 更新，理解基线、方差与完整在线训练流程。