HyperAI
HyperAI
主区域
首页
GPU
控制台
文档
价格
Pulse
报道
资源
论文
教程
数据集
百科
基准测试
SOTA
大语言模型（LLM）
GPU 排行榜
社区
活动
开源
实用工具
搜索
关于
服务条款
隐私政策
中文
HyperAI
HyperAI
Toggle Sidebar
⌘
K
Command Palette
Search for a command to run...
登录
HyperAI
论文
SofT-GRPO：通过Gumbel重参数化软思考策略优化超越离散token的LLM强化学习
3 个月前
强化学习
推理
模型训练
方法/架构
摘要
论文
HyperAI
HyperAI
主区域
首页
GPU
控制台
文档
价格
Pulse
报道
资源
论文
教程
数据集
百科
基准测试
SOTA
大语言模型（LLM）
GPU 排行榜
社区
活动
开源
实用工具
搜索
关于
服务条款
隐私政策
中文
HyperAI
HyperAI
Toggle Sidebar
⌘
K
Command Palette
Search for a command to run...
登录
HyperAI
论文
SofT-GRPO：通过Gumbel重参数化软思考策略优化超越离散token的LLM强化学习
3 个月前
强化学习
推理
模型训练
方法/架构
摘要
论文
论文 - SofT-GRPO：通过Gumbel重参数化软思考策略优化超越离散token的LLM强化学习 | 论文 | HyperAI超神经