09:44
官方一手arXiv: DeepSeek@Haodong Zhu, Yangyang Ren, Yanjing Li, Sheng Xu, Haiguang Liu, Linlin Yang, Baochang Zhang
推荐理由：论文提出KGPS，用卡尔曼滤波动态挑RL微调提示，比DS少用83%的rollout还提分，适合想省算力的人。
提示选择
共 1 条相关 AI 资讯
7月31日
09:44
论文提出KGPS（Kalman-Guided Prompt Selection），将RL微调中的提示选择重构为动态状态估计问题。该方法用线性高斯状态空间模型对每个提示的潜在成功率建模，过程噪声随策略更新幅度增大。Kalman滤波器维护提示难度的后验分布，优先选择中等难度且不确定性高的提示。在数学、规划和几何推理基准上，KGPS在DeepSeek-R1-Distill-7B上比DS方法少用83%的rollout，平均性能提升0.12分。