PulseAugur
中
实时 11:01:03
实体 Mohammad Hossein Rohban

Mohammad Hossein Rohban

PulseAugur coverage of Mohammad Hossein Rohban — every cluster mentioning Mohammad Hossein Rohban 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_205913 ·

    新的强化学习框架提升LLM溯因推理能力

    研究人员开发了CEDAR-GRPO，一个旨在增强大型语言模型（LLM）溯因推理能力的新型框架。这种面向过程的强化学习方法不仅关注最终答案的正确性，还纳入了对证据覆盖率和解释逻辑方向性的奖励。当应用于四种开源LLM时，CEDAR-GRPO在11个多样化的、未见过任务上表现出显著的改进，优于基础模型和标准的强化学习方法。