实体 Cero

Cero

PulseAugur coverage of Cero — every cluster mentioning Cero 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_72697 · Jun 5 · 04:00

新的CERO方法通过自适应推广分配优化LLM强化学习

研究人员开发了一种名为CERO的新方法，用于优化大型语言模型中的强化学习训练后阶段。与之前使用静态预算的方法不同，CERO将固定的推广预算自适应地分配给不同的提示。该方法利用提示成功概率的贝叶斯估计来确定额外推广的价值，从而提高了样本效率。实验表明，CERO在各种开源LLM的数学推理任务上优于现有方法。