https://arxiv.org/pdf/2508.10833
GRPO公式:
很多论文使用交并比(IoU)或其他平滑奖励,但根据UI-Venus的实验结果,结果相似。
本文作者:Dong
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC。本作品采用《知识共享署名-非商业性使用 4.0 国际许可协议》进行许可。您可以在非商业用途下自由转载和修改,但必须注明出处并提供原作者链接。 许可协议。转载请注明出处!