PulseAugur
中
实时 12:17:10
实体 Self-Evolution Policy Optimization

Self-Evolution Policy Optimization

PulseAugur coverage of Self-Evolution Policy Optimization — every cluster mentioning Self-Evolution Policy Optimization 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_324821 ·

    新的SEPO框架通过引导式探索提升LLM推理能力

    研究人员推出了一种名为自进化策略优化（SEPO）的新型框架，旨在增强大型语言模型（LLM）的推理能力。SEPO通过采用引导式探索和分布内利用策略，解决了现有方法（如具有可验证奖励的强化学习RLVR）的局限性。这种迭代过程使模型能够持续发现和优化解决方案，在各种推理领域展现出更高的效率和性能，甚至在复杂任务或使用较小模型时也能超越基线。