PulseAugur
中
实时 08:50:44
实体 IMO-ProofBench

IMO-ProofBench

PulseAugur coverage of IMO-ProofBench — every cluster mentioning IMO-ProofBench 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_273285 ·

    新的AC2算法通过更信任批评者来更快地训练LLM

    研究人员开发了一种名为AC2的新型actor-critic算法,旨在提高使用强化学习训练大型语言模型(LLM)的效率。与需要将轨迹一直执行到最终奖励的标准方法不同,AC2将信用分配给“动作块”,并使用学习到的批评者对这些片段进行评分。这种方法允许策略在不观察到完整最终奖励的情况下进行更新,从而显著降低了计算成本。该方法在Qwen3-4B上进行了测试,在IMO-ProofBench基准测试中,与GRPO相比,其表现更优,以显著更少的解码…