实体 AdaRoll-GRPO

AdaRoll-GRPO

PulseAugur coverage of AdaRoll-GRPO — every cluster mentioning AdaRoll-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_327009 · Oct 28 · 04:00

新方法AdaRoll-GRPO通过难度感知Rollout分配优化LLM训练

研究人员开发了AdaRoll-GRPO，一种用于增强大型语言模型（LLM）的Group Relative Policy Optimization（GRPO）训练的新方法。与分配统一Rollout预算的标准GRPO不同，AdaRoll-GRPO使用贝叶斯自适应马尔可夫决策过程，根据问题难度动态调整预算。这种方法确保更具挑战性的问题得到充分关注，从而在固定的总预算内最大化训练效用。实验表明，AdaRoll-GRPO在各种推理数据集和LLM…