PulseAugur
中
实时 20:45:50
实体 Stochastic Shortest Paths

Stochastic Shortest Paths

PulseAugur coverage of Stochastic Shortest Paths — every cluster mentioning Stochastic Shortest Paths 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_315102 ·

    新的ReAPO方法通过感知重试的信用分配来提升LLM推理能力

    研究人员开发了一种名为重试感知策略优化（ReAPO）的新方法，以增强大型语言模型（LLM）的推理能力。该方法通过引入基于随机最短路径的新型信用分配框架，解决了LLM推理中探索效率低下的问题。ReAPO修改了现有的GRPO算法，使其能够更有效地从失败的尝试中学习，在不无意中奖励先前失败的情况下强化成功的重试。在Qwen3和OLMo-2模型上的各种基准测试实验表明，与其它方法相比，ReAPO提高了首次尝试的性能，并以显著更少的生成toke…