PulseAugur
中
实时 07:25:50
实体 Activation-Space Exploration

Activation-Space Exploration

PulseAugur coverage of Activation-Space Exploration — every cluster mentioning Activation-Space Exploration 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_312400 ·

    新的RLVR方法通过提高样本多样性来增强大型语言模型的推理能力

    研究人员开发了新的方法,通过具有可验证奖励的强化学习(RLVR)来提高大型语言模型(LLMs)的推理能力。一种名为Flat-RLVR的方法通过促进平坦奖励最优值来解决“分布锐化”问题,从而平滑策略分布并增强样本多样性,同时保持准确性。另一种方法“激活空间探索”(ASE)通过对正确和错误响应之间的激活差异进行聚类来使训练 rollout 多样化,从而提高了在数学推理基准上的性能。