PulseAugur
中
实时 18:58:20
实体 Chenxu Yang

Chenxu Yang

PulseAugur coverage of Chenxu Yang — every cluster mentioning Chenxu Yang 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. TOOL · CL_277352 ·

    新的 RLVR 方法从未来的模型检查点学习

    研究人员开发了一种名为时间自蒸馏的新方法,用于具有可验证奖励的强化学习 (RLVR)。该技术允许模型从其自身的未来检查点学习,假设一个“近未来”的教师模型比一个“远未来”的教师模型能提供更好的新能力和可迁移性之间的平衡。该研究引入了近未来策略优化 (NPO) 和近未来策略蒸馏 (NPD) 机制,以及用于自适应指导的 AutoNPO。在八个图像-文本基准上的实验表明 GRPO 分数有所提高,这表明有效的时间自蒸馏依赖于这种平衡,而不仅仅…