新方法用闭环高斯课程改进GRPO训练
热点事件持续更新
新方法用闭环高斯课程改进GRPO训练
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Yuv Raj Pant、Moshiur Rahman Tonmoy 与 Kaiqun Fu 提出 CLOSEDLOOPGAUSSIAN，一种面向有序推理任务的轻量自适应课程方法，用于改进 GRPO 的强化微调。该方法周期性探测各难度上的准确率，据此动态调整 Easy-to-Hard 高斯采样的节奏与分布，从而加速或放缓训练并拓宽采样范围。 研究称，该方法不改动奖励函数、模型架构和 GRPO 优化器。相关分析以 Countdown 任务为对象。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
CLOSEDLOOPGAUSSIAN 如何改进 GRPO：一项 Countdown 分析报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AICLOSEDLOOPGAUSSIAN 如何改进 GRPO：一项 Countdown 分析
研究提出 CLOSEDLOOPGAUSSIAN，一种面向有序推理任务的轻量自适应课程方法，通过周期性探测各难度准确率来动态调整 Easy-to-Hard 高斯采样的节奏与分布，加速或放缓训练并拓宽采样范围，且不改动奖励函数、模型架构和 GRPO 优化器。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。