搜索：日记

Parial rollouts是今天新学到的 Rl prompt set的构建需要的特征： 一个构建良好的 prompt set 不仅会引导模型走向稳健推理，还会降低 reward hacking 和过拟合表层模式的风险。具体来说，高质量 RL prompt set 由三个关键属 [...]

通过设定问题与里程碑，克服无固定任务时的走神，跑通pipeline并计划推进实验，同时调整晚间学习效率，明确下周目标。