← 返回话题列表

# Token奖励

相关话题

2026-09-16

模型优化与训练技术

大模型训练技术持续创新，Meta提出字节级蒸馏突破Token建模瓶颈，清华团队深耕On-Policy Distillation揭示数据与算法平衡，Token级奖励提升长链路Agent训练成功率，Graph Engineering支撑多智能体系统演进，为模型轻量化提供新路径。
模型蒸馏 OPD 训练技术 Token奖励 后训练
📰 8 条相关内容 查看详情 →