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。
DeepSeek-R1-Distill-7B
共 2 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。
5月20日
10:46
10:46
官方一手arXiv: DeepSeek@Shuyu Wei, Jian Sun, Delai Qiu, Yining Wang, Shengping Liu, Jiaen Liang, Ying Fu, Wei Huang, Jitao Sang
精选
推荐理由：做LLM推理优化的团队终于有了一个能同时提升准确率和缩短响应长度的方案——CES框架在数学推理任务上效果显著，建议做模型推理效率的开发者点开看看具体实现。