实体 ThinkPrior

ThinkPrior

PulseAugur coverage of ThinkPrior — every cluster mentioning ThinkPrior 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_245126 · Sep 10 · 04:00

ThinkPrior 方法优化 RLVR 提示选择，减少无效 rollout

研究人员开发了 ThinkPrior，一种用于在可验证奖励强化学习 (RLVR) 中优化提示选择的新方法。该方法旨在通过在首次训练 rollout 之前创建难度先验来减少计算资源的浪费，这与需要初始 rollout 来估计难度的传统方法不同。ThinkPrior 利用外部锚点传递来建立此先验，然后根据训练结果进行更新。在 Qwen2.5-Math-7B 模型上的实验表明，ThinkPrior 在不影响最终准确性的情况下，显著减少了早期…