研究者提出DEPO：按难度估计筛选训练数据
热点事件持续更新
研究者提出DEPO：按难度估计筛选训练数据
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Yu Zhao等作者提出难度估计策略优化框架DEPO，用于推理对齐训练。该框架在rollout前用在线Difficulty Estimator动态评估并过滤训练数据，把算力优先分配给高学习潜力样本。作者称其目标是提升推理对齐的效率与稳健性。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
Difficulty-Estimated Policy Optimization（DEPO）：用难度估计优化推理对齐训练报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIDifficulty-Estimated Policy Optimization（DEPO）：用难度估计优化推理对齐训练
研究者提出 Difficulty-Estimated Policy Optimization（DEPO），在 rollout 前用在线 Difficulty Estimator 动态评估并过滤训练数据，把算力优先分配给高学习潜力样本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。