研究者提出AdaRoll-GRPO自适应分配rollout预算
热点事件持续更新
研究者提出AdaRoll-GRPO自适应分配rollout预算
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
Faeze Moradi Kalarde等作者提出AdaRoll-GRPO，将GRPO训练中的rollout预算分配建模为贝叶斯自适应MDP的序贯决策问题，学习按题目难度自适应分配rollout的策略。 该策略离线计算，训练时应用不引入额外在线优化开销。作者称，在多个推理数据集和LLM架构上，固定rollout预算下AdaRoll-GRPO持续提升GRPO训练表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
AdaRoll-GRPO：用贝叶斯自适应 MDP 分配 rollout 预算提升 GRPO 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.AIAdaRoll-GRPO：用贝叶斯自适应 MDP 分配 rollout 预算提升 GRPO 训练
研究者提出 AdaRoll-GRPO，将 GRPO 训练中的 rollout 预算分配建模为贝叶斯自适应 MDP 的序贯决策问题，学习按题目难度自适应分配 rollout 的策略。该策略离线计算，训练时应用不引入额外在线优化开销。在多个推理数据集和 LLM 架构上，固定 rollout 预算下 AdaRoll-GRPO 持续提升 GRPO 训练表现。
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。