PulseAugur
中
实时 16:07:14
实体 RP-OPD

RP-OPD

PulseAugur coverage of RP-OPD — every cluster mentioning RP-OPD 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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_280182 ·

    新的两阶段训练方法使用评分标准来提升语言模型性能

    研究人员提出了一种新颖的两阶段语言模型训练框架,该框架利用评分标准来提高在缺乏精确结果验证的任务上的性能。第一阶段,即评分标准优先的策略内蒸馏(RP-OPD),使用评分标准作为特权教师上下文进行密集的token级监督。第二阶段则采用强化学习(RL)来优化评分标准奖励,将性能推升至初始蒸馏平台之上。该方法在健康和科学任务上使用开源模型进行了评估,在HealthBench、ResearchQA和RubricHub Science等基准测试…