实体
Pass@32
Pass@32
PulseAugur coverage of Pass@32 — every cluster mentioning Pass@32 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的SCARL方法将语言模型置信度与奖励对齐
研究人员推出了一种新颖的强化学习技术SCARL，旨在改进语言模型的推理能力。SCARL通过将策略对响应的置信度与其实际奖励对齐，解决了可验证奖励（RLVR）强化学习中的置信度不对齐问题。该方法旨在确保模型高度自信的响应也获得更高的奖励，反之亦然。实验表明，SCARL在Pass@32等基准测试中提高了性能，并在各种估计器和模型骨干上增强了覆盖率和每抽样准确率，同时还保持了策略熵。
-
新的局部分支路由框架增强语言模型推理能力
研究人员开发了一个名为局部分支路由（LBR）的新框架，以在测试时扩展期间提高语言模型的推理能力。LBR 在 token 级别运行，扩展局部前瞻树并使用轻量级路由器选择最有希望的分支。该方法通过利用候选未来的隐藏状态，实现了更高效且可训练的扩展，在数学推理基准测试中通过提高 Pass@1 和 Pass@32 分数而优于现有方法。