PulseAugur
中
实时 08:56:59
实体 Headroom-Drift Replay

Headroom-Drift Replay

PulseAugur coverage of Headroom-Drift Replay — every cluster mentioning Headroom-Drift Replay 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_235459 ·

    新的回放方法提高了 GRPO 在人工智能推理任务中的效率

    研究人员推出了一种名为 Headroom-Drift Replay 的新型回放控制原语，旨在提高 GRPO（门控循环策略优化）在强化学习中的效率。该方法将回放决策分为两个阶段：Headroom，根据存储轨迹剩余的学习价值对其进行排名；Drift，根据与当前策略的兼容性对其进行过滤。在数学推理、多模态推理和 Agentic Search 基准测试中进行测试，Headroom-Drift Replay 的表现优于朴素回放，并能与更广泛的回…