探索 Web3 Giveaway 活动，每周丰厚奖励等您来领取
discoveryBanners
热门话题
#
Bonk 生态迷因币展现强韧势头
Hosico
Hosico-7.01%
USELESS
USELESS-13.46%
IKUN
IKUN-13.03%
gib
gib-0.32%
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
Bonk
Bonk-4.65%
ALON
ALON+1.41%
LAUNCHCOIN
LAUNCHCOIN-7.96%
GOONC
GOONC+0.32%
KLED
KLED-7.15%
#
Solana 新代币发射平台 Boop.Fun 风头正劲
BOOP
BOOP-0.84%
Boopa
Boopa-5.19%
PORK
PORK-4.86%
Aran Komatsuzaki
Aran Komatsuzaki
9月19日 11:13·
FlowRL：用于LLM RL的奖励分配匹配 • 从奖励最大化转向分布匹配 • 在数学上比GRPO高出10.0%，比PPO高出5.1%；在代码上有强劲的收益 • 最小化反向KL以覆盖所有有效的推理路径（避免模式崩溃）