实体 OLMo-3-1025-7B

OLMo-3-1025-7B

PulseAugur coverage of OLMo-3-1025-7B — every cluster mentioning OLMo-3-1025-7B across labs, papers, and developer communities, ranked by signal.

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

RESEARCH · CL_193355 · Aug 11 · 04:00

新的RLVR方法增强LLM鲁棒性和泛化能力 · 跟踪2个来源

研究人员开发了新的方法来提高多模态大语言模型（LLM）的强化学习可验证奖励（RLVR）的鲁棒性和泛化能力。第一种方法是提示不变RLVR（PIRL），它将奖励信号中的格式与内容分离，并在语义等价的提示上应用策略不变性，与GRPO相比，在压力测试下准确率下降显著减少。第二种方法是扰动参数策略优化（3PO），它通过从后验采样不同的策略来探索参数空间，在OLMo-3-1025-7B和Qwen2.5-Math-7B等模型的数学推理和代码生成等下…