共计 34 篇文章
2026
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
论文理解 【LLM-RL】—— Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model
论文理解【LLM-回归】—— Decoding-based Regression