PulseAugur
中
实时 07:06:18
实体 Olmo3-7B-Base

Olmo3-7B-Base

PulseAugur coverage of Olmo3-7B-Base — every cluster mentioning Olmo3-7B-Base 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_360260 ·

    新的GRPO方法通过子群偏移改进AI模型基线

    研究人员引入了一种名为组相对策略优化(GRPO)的新颖方法,通过基于子群偏移调整基线来改进强化学习。该技术考虑了训练提示中的异质性,其中滚动可能分化为具有不同奖励分布的独立子群。提出的“子群偏移”调整基线,使其与滚动在其子群中的位置对齐或与子群的整体质量形成对比。在Qwen3-8B-Base和Olmo3-7B-Base模型在数学基准上的实验表明,多样本覆盖率持续但适度地提高,其中“对比”方向被证明更有效。