#reinforcement-learning 仓库
563
仓库总数
2.1M
总星标数
3,717
平均每个仓库星标数
共 564 个仓库
555
Shredded-Pork/TempFlow-GRPO
[ICLR 26] TempFlow-GRPO(Temporal Flow GRPO),一个原则性的 GRPO 框架,捕获并利用基于流的生成中固有的时间结构。
⭐ 504
👤 opendilab Organization
🕐 已更新 2026-06-03
📅 创建时间 2022-11-23
561
jhljx/RecSys-Industrial-Book
《推荐系统:工业架构与核心算法》AI Native 书稿|章节 PDF、知识地图与本地学习 Agent,网址:https://jhljx.github.io/RecSys-Industrial-Book/
⭐ 501
👤 zdhNarsil User
🕐 已更新 2024-10-01
📅 创建时间 2022-10-05