Qwen3-4B/8B/30B-A3B

新的数据策略提升大语言模型强化学习性能

研究人员开发了新的方法来改进大语言模型（LLMs）的强化学习（RL），重点关注数据调度和策展。一种方法是自适应数据调度（ADS），它将训练数据组织成语义集群，并自适应地采样策略边界数据，在推理基准测试上带来了5.2%的准确率提升。另一种以数据为中心的方法使用了一个包含约14,000个示例的精选数据集，涵盖检索、综合和推理任务，在长上下文基准测试上取得了显著的提升，并改善了代理任务的性能。