实体 Jiaying Zhang

Jiaying Zhang

PulseAugur coverage of Jiaying Zhang — every cluster mentioning Jiaying Zhang 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_178378 · Aug 3 · 04:00

新的 GeoRA 方法增强了大型语言模型的 RLVR

研究人员推出了一种新颖的低秩适应方法 GeoRA，该方法专门为具有可验证奖励的强化学习 (RLVR) 设计。与现有的专注于监督微调的方法不同，GeoRA 考虑了 RLVR 中固有的独特优化动态和几何结构。通过利用奇异值分解提取 RL 更新子空间的主方向，GeoRA 有效地保留了预训练模型的结构，同时实现了高效的计算。在 Qwen 和 Llama 模型上的实验表明，GeoRA 在数学、医学和编码等各种 RLVR 任务中优于其他低秩适应技…