实体 SPRT-style rule

SPRT-style rule

PulseAugur coverage of SPRT-style rule — every cluster mentioning SPRT-style rule across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_171874 · Jul 30 · 04:00

新的 SARA 方法通过自适应回滚分配提高了 RLVR 效率

研究人员开发了一种名为顺序自适应回滚分配 (SARA) 的新方法，以提高具有可验证奖励的强化学习 (RLVR) 的效率。SARA 通过使用 Beta 后验来跟踪成功率和类似 SPRT 的规则来提前放弃无效组，从而解决了在已确定完全正确或不正确的提示上浪费回滚的问题。这种方法将节省的预算重新分配给新提示，从而节省大量回滚并提高准确性，尤其是在与动态采样等现有方法结合使用时。