PulseAugur
中
实时 16:27:14
实体 Rubric-Mix-10k

Rubric-Mix-10k

PulseAugur coverage of Rubric-Mix-10k — every cluster mentioning Rubric-Mix-10k 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. TOOL · CL_313130 ·

    HarnessRL框架增强开放式强化学习

    研究人员开发了HarnessRL,一个新颖的框架,旨在通过与策略共同演进训练挂架来改进开放式强化学习。该方法通过在策略演进过程中自适应地调整任务采样、探索和评估,来解决奖励失败模式,例如非区分性或虚假奖励。HarnessRL利用记忆系统和即时评论员循环来优化更新,并在新的Rubric-Mix-10k基准套件上展示了显著的性能提升,优于基线并缩短了训练时间。