PulseAugur
中
实时 09:31:19
实体 9B reasoning model

9B reasoning model

PulseAugur coverage of 9B reasoning model — every cluster mentioning 9B reasoning model across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_319652 ·

    新的RLVR研究揭示了采样器不匹配下的熵漂移

    一篇新论文提出了一种“符号律”,用于理解可验证奖励强化学习(RLVR)中的熵漂移,特别是在用于滚动的采样器与学习者应用的采样器不同的情况下。研究表明,这种采样器不匹配会导致策略熵的可预测变化,对模型的稳定性和准确性产生影响。在2B模型和9B推理模型上的实验表明,纠正这种漂移可以显著提高模型在未见过数据上的准确性,尤其是在无法进行精确采样的情况下。