AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:ExpRL×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
12:20
12:20arXiv cs.LG@Violet Xiang, Amrith Setlur, Chase Blagden, Nick Haber, Aviral Kumar
ExpRL提出一种自动化方法,通过基于强化学习的中间训练来提升LLM推理能力。该方法不直接模仿参考解决方案,而是将其作为奖励支架,利用LLM裁判对比策略生成的推理轨迹与参考解,给出稠密奖励。在具有挑战性的数学推理任务上,ExpRL相比SFT、稀疏奖励GRPO和自蒸馏方法,能提供更强的RL初始化和更好的最终性能。此外,混合领域实验表明ExpRL可扩展至数学以外的场景。
论文ExpRLLLM强化学习推理模型数学推理

推荐理由:这篇论文用参考答案做奖励支架,让模型自己探索推理路径,数学推理效果超过了SFT和GRPO,想提升推理能力的可以看看。
原文
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
精选全部日报登录