PulseAugur
中
实时 15:36:04
实体 Candidate-aware Support Preservation

Candidate-aware Support Preservation

PulseAugur coverage of Candidate-aware Support Preservation — every cluster mentioning Candidate-aware Support Preservation 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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_96154 ·

    RLVR 研究进展改进 LLM 推理和探索能力

    两篇研究论文探讨了用于大型语言模型的可验证奖励强化学习 (RLVR) 的进展。第一篇论文从理论上分析了 RLVR 在推理任务上为何优于监督微调 (SFT)，将思维链推理建模为路径查找，并证明了 RLVR 学习高效回溯的能力。第二篇论文通过提出候选感知支持保留 (CaSP) 方法来解决 RLVR 中的探索崩溃问题，该方法在顶级候选对象上保持概率质量，以提高在各种基准测试和模型尺寸上的性能。