实体
Ruotian Peng
Ruotian Peng
PulseAugur coverage of Ruotian Peng — every cluster mentioning Ruotian Peng 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VibeTraining-Bench基准测试评估AI自我改进能力
研究人员推出了VibeTraining-Bench,这是一个新的基准测试,旨在评估AI代理通过优化数据、训练方法和推理工具链来迭代改进自身的能力。该基准测试涵盖了软件工程和数学推理等各种任务,代理在固定的资源预算下运行。初步结果表明,先进的研究代理可以显著提高系统性能,但需要在跨组件协同设计方面进行进一步改进。
-
RLVR 研究进展改进 LLM 推理和探索能力
两篇研究论文探讨了用于大型语言模型的可验证奖励强化学习 (RLVR) 的进展。第一篇论文从理论上分析了 RLVR 在推理任务上为何优于监督微调 (SFT),将思维链推理建模为路径查找,并证明了 RLVR 学习高效回溯的能力。第二篇论文通过提出候选感知支持保留 (CaSP) 方法来解决 RLVR 中的探索崩溃问题,该方法在顶级候选对象上保持概率质量,以提高在各种基准测试和模型尺寸上的性能。