页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「权限」找到 294 条内容
按专题浏览 →匹配正文：… 搜索 Agent 的 rollout 不是一次普通 generate。外部环境控制循环要识别结构化工具调用，暂停生成，校验参数与权限，执行搜索，把 observation 写回消息，再继续直到终止。TRL callback 主要服务训练事件，并不自动替应用实现工具中断、恢复、超时和状态机。轨迹需保存每个 action、observation、有效 token mask、旧策略 logprob、reward 和终止原因。 PPO 更新通常把 reward 当作环境提供的标量，…
匹配正文：训练工具调用Agent时，数据单位不是孤立问答，而是完整轨迹。每一步要记录可见观测、模型动作、工具名与参数、权限检查、工具真实返回、错误类型、重试、最终结果和终止原因。缺少真实工具反馈，只保留一段看似合理的思考文本，会让模型学不到环境状态变化。 正轨迹应覆盖不同任务路径和边界条件，不只是最短成功案例；负轨迹要按可修复失败分类，例如工具选择错、参数错、权限不足、结果解析错、无效重试、超时和提前终止。对负样本可提供正确恢复动作或成对偏好，让模型学会发现并修复错误，而不是只学会把失…
匹配正文：…PO还可能忽略图像、利用文本捷径，因此需要构造图像条件真正决定胜负的数据。安全侧要覆盖提示注入、视觉文字攻击、隐私、定位幻觉和工具权限。系统侧则看视觉编码延迟、视觉token缓存、批处理和不同模态的尾延迟。 工程验证 评测按感知、OCR、grounding、跨图推理、视频时序和安全分桶，并加入只改图不改文字、只改文字不改图的对照，排查模态捷径。架构消融要统一视觉token预算，对比projection、resampler或cross-attention的质量、显存和延迟。训练…
按学习路线查看教程、项目和面试题。