#DAPO

共 2 条 · 7 天 0 条 · 30 天 1 条

AI安全 1 Countdown 1 Qwen3.5 1 RAG 1 SelectBench 1 工具集成 1 强化学习 1 数学推理 1

信息流里打上「DAPO」标签的资讯、产品与论文，按刊登时间排，新的在上。

8月31日

技巧 Agent 与开发者精选73°09:35

工具集成数学推理的强化学习研究

OpenAI研究团队用计算器工具+强化学习，把数学推理准确率提升30个百分点，方法开源可复现。

#数学推理 #工具集成 #强化学习 #DAPO

arXiv cs.AI@Minghui Xu, Zi Wang原文

7月23日

强化学习提升大语言模型选择性采纳污染检索证据

Qwen3.5用强化学习学会在污染检索中挑有用证据，成功率从22%提到26%，还不掉通用分。

#SelectBench #DAPO #Qwen3.5 #RAG

arXiv: DeepSeek@Yanyu Chen 等 5 人2 个信源在谈原文