大模型 HuggingFace Daily Papers 2026-06-12

N-GRPO：嵌入级邻居混合增强策略优化

N-GRPO 是 GRPO 框架内的一种新型探索策略，通过语义邻居混合增强大语言模型的数学推理能力，在保持语义一致性的同时注入多样性。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。