实体
REPO-RECK
REPO-RECK
PulseAugur coverage of REPO-RECK — every cluster mentioning REPO-RECK across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
27B大语言模型被训练用于生成盈利性交易公式
一篇研究论文详细介绍了开发一个拥有270亿参数的模型 Qwen3.8-27B 的过程,该模型使用多奖励强化学习进行训练,以生成单行交易公式。这些公式随后被转换为美国股票的每日交易投资组合,并在12个奖励通道上进行评估。该系统表现出改进的性能,公式的平均得分从-1.37提高到+1.80,并且一个等权重投资组合在一年未见数据中实现了+16.2%的回报,且市场Beta值较低。
-
LLM强化学习技术提升Qwen3.8-27B分数,但“优势下限”阻碍学习
研究人员探索了先进的强化学习技术,特别关注大型语言模型的多奖励优化。在他们对Qwen3.8-27B的最新实验中,他们发现结合CISPO和REPO-R等方法可以显著提高在未见过任务上的性能,将分数从-0.47提升到+1.80。然而,他们也发现了一个关键问题,即旨在防止在更严峻环境中学习退化的“优势下限”机制,无意中丢弃了96%的学习信号,从而停止了进展。
-
Qwen3 14B 模型实验比较强化学习技术 · 跟踪 2 个来源
对 Qwen3 14B 模型进行了实验,以评估各种强化学习技术,包括 GRPO、DAPO++、CISPO、Adapoides 和 REPO-RECK。该研究侧重于比较这些方法是否包含“思考”组件,并展示了完整的留存结果、奖励曲线和资源使用数据。研究还涉及了网络抓取和多账户管理等高风险自动化任务。