实体 Haoyu Hu

Haoyu Hu

PulseAugur coverage of Haoyu Hu — every cluster mentioning Haoyu Hu 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_333049 · Oct 31 · 04:00

DUET方法优化RLVR令牌预算，提高质量和速度

研究人员开发了DUET，一种用于优化可验证奖励（RLVR）的强化学习中令牌预算分配的新颖方法。DUET联合调整提示选择和回滚长度，优于之前仅控制一个维度的现有方法。该方法显著提高了推理质量并减少了训练时间，即使仅使用一半的令牌预算。