PulseAugur
中
实时 18:44:16
实体 Moer

Moer

PulseAugur coverage of Moer — every cluster mentioning Moer 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_317399 ·

    MOER框架通过专家指导和自我探索增强AI推理能力

    研究人员推出了一种新颖的混合策略优化框架MOER,用于强化学习,该框架整合了专家指导和自我探索。MOER采用衰减的专家思维链前缀来引导模型推理,同时逐步退火前缀长度以促进自我探索。选择性回滚机制通过用专家轨迹替换失败的补全来确保离策略轨迹的正确性。该框架利用了协调的混合策略目标,结合了GRPO损失(用于在策略令牌)和信任区域SFT损失(用于专家前缀和补全),这极大地稳定了训练。实验表明,MOER在数学和通用领域推理任务中表现优越,在各…