实体
Transfer-Aware Curriculum
Transfer-Aware Curriculum
PulseAugur coverage of Transfer-Aware Curriculum — every cluster mentioning Transfer-Aware Curriculum 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
最近 · 第 1/1 页 · 共 2 条
-
新的迁移感知课程可提升多领域人工智能推理能力
研究人员开发了一种名为迁移感知课程（TAC）的新方法，以优化AI模型在多个域上的训练。TAC采用类似赌博机的方法，动态地优先训练对整体学习过程最有益的域。该方法重新利用了强化学习中的现有信号，如每域优势和投影梯度，以最小的计算开销估算跨域迁移能力。实验表明，与其它课程策略相比，TAC显著提高了Qwen3-1.7B和Llama3.2-3B等模型的准确性。
-
新课程方法提升多领域RL智能体训练
研究人员开发了一种转移感知课程（TAC）来优化多领域强化学习智能体的训练。TAC利用梯度几何对齐来估计跨域可转移性，从而优先训练对其他领域最有益的领域。这种方法应用于Qwen3-1.7B和Llama3.2-3B等模型，与其它课程方法相比，宏平均准确率提高了高达2.8个点。研究还发现，通常被认为是核心的数学领域，在这种情况下出人意料地可转移性最低。