实验报告

2 份报告最近更新 2026-08-18

PE + RL 训练管线 2026-08-18 O1/KR1：veRL + Gemma4-E4B 全参 GRPO，H3 三段式格式 reward 到文本侧复合 reward——每一轮实验的曲线与结论。 PERLGRPO训练跟踪 Gemma4-E4B · veRL 0.9 · 文本侧复合 reward
Agentic Prompt Enhancer 2026-08-13 七臂改写对照、480 条视频验证、DPO 蒸馏 —— 以及为什么大部分差异不显著。 prompt 改写视频生成DPO 蒸馏统计检验 Qwen3.5-9B · Wan2.2-TI2V-5B · gpt-5.6-luna