AdaPrefix-GRPO：自适应前缀控制提升困难推理问题训练效果
这篇论文解决了GRPO训练时难问题学不到东西的痛点，用自适应前缀让模型在数学推理上准确率翻倍，而且模型越小效果越明显，值得做强化学习的人看看。
#AdaPrefix-GRPO
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「AdaPrefix-GRPO」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月9日
这篇论文解决了GRPO训练时难问题学不到东西的痛点，用自适应前缀让模型在数学推理上准确率翻倍，而且模型越小效果越明显，值得做强化学习的人看看。