PulseAugur
中
实时 15:24:31
实体 Countdown task

Countdown task

PulseAugur coverage of Countdown task — every cluster mentioning Countdown task across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
  1. RESEARCH · CL_303336 ·

    新的RL方法通过密集奖励提升LLM算术推理能力

    研究人员开发了一种新的贝尔曼一致轨迹强化学习(RL)方法,以提高LLM的算术推理能力,特别是在奖励稀疏的情况下。该框架名为TBRM-RLOO,通过轨迹贝尔曼残差最小化将稀疏奖励转化为密集的token级信号,并采用Leave-One-Out策略来减少梯度方差。在Countdown任务上的评估显示,TBRM-RLOO显著提高了性能,实现了最先进的Pass@16准确率,并在优化稳定性和单样本效率方面优于现有基线。

  2. TOOL · CL_236623 ·

    研究发现:AI推理多样性在初始步骤而非执行阶段丢失

    一项新的研究论文探讨了具有可验证奖励的强化学习(RLVR)及其对AI模型推理多样性的影响。研究发现,RLVR在提高准确性的同时,通过阻碍推理的初始步骤而非执行阶段,显著缩小了解空间。研究人员证明,为模型提供一个未选中的入口前缀可以恢复完成率,表明存在可执行但未被启动的替代解决方案。针对这些早期步骤的干预措施成功地提高了解决方案覆盖率,而没有牺牲准确性,这表明推理广度在问题入口点就已丢失。