强化学习
an archive of posts with this tag
| Oct 30, 2026 | arXiv'26 | StartLux-Decision：LLM 决策模型的自适应推理，RL 奖励的是概率质量而不是对错 |
|---|---|
| Oct 22, 2026 | AAAI'26 | 动态上下文演进下的多 LLM 在线路由：从 LinUCB 到位置感知背包启发式 |
| Oct 13, 2026 | ICML'26 | KVP：把 KV Cache 驱逐变成一个“学会排序”的强化学习问题 |
an archive of posts with this tag
| Oct 30, 2026 | arXiv'26 | StartLux-Decision：LLM 决策模型的自适应推理，RL 奖励的是概率质量而不是对错 |
|---|---|
| Oct 22, 2026 | AAAI'26 | 动态上下文演进下的多 LLM 在线路由：从 LinUCB 到位置感知背包启发式 |
| Oct 13, 2026 | ICML'26 | KVP：把 KV Cache 驱逐变成一个“学会排序”的强化学习问题 |