实体 AdaPrefix-GRPO

AdaPrefix-GRPO

PulseAugur coverage of AdaPrefix-GRPO — every cluster mentioning AdaPrefix-GRPO across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_133155 · Jul 8 · 17:32

新的AI训练方法提高了GRPO在复杂推理任务上的性能

研究人员开发了一种名为自适应追踪前缀控制（AdaPrefix-GRPO）的新技术，以提高Group Relative Policy Optimization（GRPO）在复杂推理任务上的性能。该方法在训练过程中动态调整提供给模型的正确解决方案前缀量，目标是将成功率保持在GRPO梯度信号最强的50%左右。训练完成后，将移除辅助，使模型能够独立解决问题。实验表明，AdaPrefix-GRPO显著提高了在复杂数学问题上的准确性，尤其对小型模…