Skip to main content

grpo-ma-multi-answer-cot-training

Stabilize and accelerate chain-of-thought RL training by sampling multiple answers per generated thought. GRPO-MA reduces gradient noise and improves convergence across math, code, vision, and manipulation tasks while cutting computational cost versus naive thought scaling—critical for training reasoning models without explicit value networks.

Ir para a instalação

Informações da origem

Repositório
ADu2021/skillXiv
Última atividade na origem
24 de março de 2026 às 19:42
Idioma detectado do SKILL.md
inglês
Estrelas
6
Forks
0

Opções de instalação

Por padrão, está selecionado o prompt que primeiro revisa a origem. Você pode mudar para um comando direto ou baixar uma cópia local.

Revise os arquivos de origem

Leia o SKILL.md e os arquivos complementares exibidos pelo SkillsMP antes de decidir se vai instalar.