Skip to main content

drpo-llm-rl

Divergence Regularized Policy Optimization (DRPO) — smooth advantage-weighted quadratic regularizer replacing hard trust-region masks in LLM reinforcement learning. Use when optimizing LLM post-training with RL, improving upon GRPO/PPO/DPPO stability.

Aller à l'installation

Informations de source

Dépôt
hiyenwong/ai_collection
Dernière activité de la source
13 juillet 2026 à 02:00
Langue détectée de SKILL.md
anglais
Étoiles
2
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.