题目 ID: q-36

在以 GRPO 为代表的在线强化学习场景中，将‘连续 N 次全对’的简单样本从训练流中剔除，极有可能导致模型对这些简单任务能力的退化

频次 1

AI系统设计 AI 系统设计

当前状态：未收藏、未完成

常见追问

暂无追问变体。

未知