Онлайн‑зеркальный спуск (Online Mirror Descent, OMD) — это разновидность алгоритма оптимизации политики, которую Moonshot AI использует при обучении Kimi‑1.5 для надежного и стабильного обновления модели в рамках reinforcement learning (RL)
Python
Мы используем файлы cookie в соответствии с Политикой конфиденциальности и Политикой использования cookies.
Нажимая кнопку «Принимаю», Вы даете АО «СберТех» согласие на обработку Ваших персональных данных в целях совершенствования нашего веб-сайта и Сервиса GitVerse, а также повышения удобства их использования.
Запретить использование cookies Вы можете самостоятельно в настройках Вашего браузера.
