共计 44 篇文章
2026
论文理解【LLM-Clarification】——【QDrawer】Asking the Right Question at the Right Time
强化学习拾遗 —— 策略梯度定理的两种详细推导
强化学习拾遗 —— Off-policy 方法中的重要性采样比
强化学习拾遗 —— 表格型方法和函数近似方法中 Bellman 迭代的收敛性分析
强化学习拾遗 —— 强化学习的样本效率
强化学习拾遗 —— 再看奖励函数
论文理解【LLM-OR】——【Step-Opt】Training LLMs for Optimization Modeling via Iterative Data Synthesis and
论文理解【LLM-OR】—— 【PaMOP】Guiding large language models in modeling optimization problems via question partitioning
2025
论文理解【LLM-OR】——【ORLM】Training Large Language Models for Optimization Modeling
论文理解【LLM-OR】——【OptiTree】Hierarchical thoughts generation with tree search for LLM optimization model