标签: RLOO

该标签下的全部文章 "RLOO".

• RLOO 入门：把自己的奖励从基线里拿出去

  15 Sep, 2026

  用四个回答计算 leave-one-out 基线，说明 RLOO 如何构造 REINFORCE 梯度，以及它与 GRPO、PPO 的关系和差异。