热点事件持续更新

EVOL-RL：无标签自改进缓解多样性崩溃

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Yujun Zhou 等作者提出无标签自改进方法 EVOL-RL，针对无标签训练中的“选择诱导的多样性崩溃”问题：用多数投票提供稳定的选择信号，用嵌入新颖度细化信用分配，并以熵正则和非对称裁剪维持多样化采样。作者称，在 AIME24 上对 Qwen3-4B-Base 做无标签训练后，在留出的 AIME25 上，pass@1 从 TTRL 的 4.6% 提升至 17.1%，pass@16 从 18.5% 提升至 42.0%。代码已开源。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

EVOL-RL：无标签语言模型自进化中的选择与多样性平衡

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv cs.CL
EVOL-RL：无标签语言模型自进化中的选择与多样性平衡
针对无标签自改进中"选择诱导的多样性崩溃"问题，研究者提出 EVOL-RL，用多数投票提供稳定选择信号、嵌入新颖度细化信用分配，并以熵正则和非对称裁剪维持多样化采样。在 AIME24 上无标签训练 Qwen3-4B-Base 后，held-out AIME25 的 pass@1 从 TTRL 的 4.6% 提升至 17.1%，pass@16 从 18.5% 提升至 42.0%。代码已开源。

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。