PulseAugur
中
实时 08:45:00
实体 Jingyao Wang

Jingyao Wang

PulseAugur coverage of Jingyao Wang — every cluster mentioning Jingyao Wang 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_366299 ·

    新方法训练LLM实现可泛化推理

    研究人员推出了一种名为 Group Causal Counterfactual Policy Optimization (GCCPO) 的新方法,以增强大型语言模型 (LLM) 的推理能力。该方法解决了当前奖励机制主要关注最终答案正确性而常常忽略推理过程本身质量的局限性。GCCPO 将多候选推理视为一系列反事实实验,旨在通过优化鲁棒性和有效性来训练 LLM 学习可泛化的推理模式。