实体 Outcome RL

Outcome RL

PulseAugur coverage of Outcome RL — every cluster mentioning Outcome RL 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

TOOL · CL_324770 · Oct 27 · 04:00

研究发现 Outcome RL 模型在可靠性方面提升有限

Yue 等人的一篇新论文调查了 Outcome RL 模型在解决物理和数学问题方面的有效性。研究发现，虽然 Outcome RL 提高了在 token 预算内完成问题的能力 (pass@1)，但并未显著提高解决更大范围问题集 (pass@k) 的可靠性。研究表明，观察到的许多改进是由于模型在预算到期前完成了任务，而不是获得了根本性的新知识或解决了基础模型无法解决的问题。