实体 FlowRL

FlowRL

PulseAugur coverage of FlowRL — every cluster mentioning FlowRL 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_241410 · Sep 3 · 00:00

FlowBalance 通过验证器校准的自我指导来增强 AI 推理能力

研究人员推出了一种新颖的推理模型自我改进方法 FlowBalance，该方法利用验证器校准的指导。该技术通过结合来自验证器的稀疏、可靠的监督和来自同一模型的更密集的指导，解决了当前自我改进循环的脆弱性。FlowBalance 根据验证器衍生的群体优势重新校准自我指导分数，保留积极指导并逆转消极指导，以防止过度自信并促进多样化解决方案。该方法在 Qwen3-4B 和 Qwen3-8B 等模型上，尤其是在数学推理任务中，展示了性能、训练速…