AITOPAI热报

#SetGRPO

1 stories · 1 in 7 days · 1 in 30 days
GRPO 1Llama3.2 1Qwen3.5 1强化学习 1
Stories, products and papers tagged "SetGRPO", newest first.
Oct 28
PapersMulti-source09:22
Chinese contentSetGRPO 提出校准评分器扰动的策略优化方法，在 Qwen3.5 与 Llama3.2 上十个基准拿下最高宏平均

用评分器训开放式任务的 RL 方法容易因打分波动跑偏，这篇给 GRPO 加了不确定性和风险控制，实测在 Qwen3.5 和 Llama3.2 上十个基准平均分最高。

#SetGRPO#GRPO#强化学习#Qwen3.5
Event
arXiv cs.AI@Jiale Huang et al. (6)3 sourcesSource