PulseAugur
中
实时 10:44:23
实体 MMR-GRPO

MMR-GRPO

PulseAugur coverage of MMR-GRPO — every cluster mentioning MMR-GRPO 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_79978 ·

    MMR-GRPO 通过多样性感知奖励加速 AI 模型训练

    研究人员开发了 MMR-GRPO，一种加速数学推理模型训练的新颖方法。该方法根据模型完成的多样性对奖励进行重加权，认识到冗余输出的学习价值有限。通过优先考虑独特的解决方案，MMR-GRPO 显著减少了实现峰值性能所需的训练步骤和实际时间，这一点已在各种模型大小和基准测试中得到证明。