10 月阅读 发表于 2026-10-01 阅读次数： Disqus： 本文字数： 162 阅读时长 ≈ 1 分钟 10 月阅读记录。 信用分配 credit assignmentTreeRL，高不确定性的中间步骤探索不同分支。 EVPO，选择可靠的收益评估基准、减少训练噪声。 PACT，1. critic 的平方误差换成交叉熵；2. 用新旧模型概率比让 critic 跟上更新后的生成模型。 Pivot关键决策步骤。 PivotOPD PivotRL PivoARL 本文作者： Palind 本文链接： https://blog.palind-rome.top/2026/10/01/readings-Oct-2026/ 版权声明： BY-NC-SA