Skip to main content

dcpo-dynamic-clipping-policy-optimization

DCPO eliminates zero-gradient dead zones in policy optimization by adaptively adjusting token-level clipping bounds based on prior probabilities and smoothing advantage standardization across cumulative training steps, achieving 28% improvement in effective response utilization and 10x reduction in token clipping ratio on mathematical reasoning benchmarks.

Aller à l'installation

Informations de source

Dépôt
ADu2021/skillXiv
Dernière activité de la source
24 mars 2026 à 19:42
Langue détectée de SKILL.md
anglais
Étoiles
6
Forks
0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.