Llama-3.1-8B-Base
PulseAugur coverage of Llama-3.1-8B-Base — every cluster mentioning Llama-3.1-8B-Base across labs, papers, and developer communities, ranked by signal.
-
新平台 DataFlex-RL 未发现 RLVR 数据策略有持续收益
研究人员开发了 DataFlex-RL，一个旨在评估具有可验证奖励（RLVR）的强化学习数据策略的新平台。使用 Qwen2.5-7B-Base 在 12 个基准测试上的初步实验表明，虽然统一 GRPO 提高了准确性，但没有一种测试的 rollout-selection 或 reweighting 方法能持续优于统一采样。使用 Llama-3.1-8B-Base 进行的进一步测试未能确定方法之间的明确赢家。该研究还发现，评估排名可能因所…
-
DataFlex-RL 发现均匀采样在 RLVR 中可匹配自适应策略
一个名为 DataFlex-RL 的新评估平台已被开发出来，用于评估具有可验证奖励（RLVR）的强化学习数据策略。使用该平台的研究表明，在各种基准测试中，简单的均匀采样训练数据表现与更复杂的自适应方法相当或更好。该研究还强调了评估结果对所选基准测试的敏感性，强调了在 RLVR 中进行平衡和可复现评估的必要性。
-
新的K-12知识图谱基准测试大型语言模型课程认知
研究人员开发了K12-KGraph，一个新颖的知识图谱，旨在专门评估和训练K-12教育领域的大型语言模型（LLMs）。该图谱源自官方教材，捕捉了课程结构，包括先决条件和概念关系，超越了简单的事实回忆。为了支持这一点，他们创建了K12-Bench（一个包含23,640个问题的基准测试集）和K12-Train（一个微调数据集）。实验表明，当前的大型语言模型在课程认知方面存在困难，而K12-Train数据集在教育基准测试上显著提高了性能，且样本效率高。