09:34
官方账号arXiv cs.AI@Vishvesh Bhat
精选73°
推荐理由：PLVR让LLM推理过程可检查，30B模型性能超越强化学习和前沿大模型，还开源了符号反向传播库。
程序学习
共 1 条相关 AI 资讯
8月31日
09:34
PLVR是一种后训练方法，通过符号反向传播从输入输出示例中学习程序。该方法在LiveCodeBench v6和Tau2Bench基准测试中，30B基础模型比强化学习平均高出27.8分，比前沿大模型高出13.6分。PLVR使用单一原语库服务两个基准测试，新任务边际成本仅需100个程序搜索示例，无需额外微调数据。