arXiv · cs.AI· Ronghan Li, Fei Chen, Mingyu Lu·· 5 小时前
GRPO课程难度渐进式推进的收益与限制
A Step Harder, Not a Step Too Far: The Benefits and Limits of Curriculum Difficulty Progression in GRPO
arXiv:2610.13669v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ronghan Li, Fei Chen, Mingyu Lu
研究任务与主要进展
基于论文摘要，作者针对GRPO训练中在线选择样本的课程难度设计了一种分阶段方案，随策略演化逐步提高训练样本难度。GSM8K上跨三个随机种子结果显示，推进到中等偏难难度带的测试准确率为0.6591±0.0077，高于固定中等难度课程的0.6449±0.0024；继续推进到更难难度带后降至0.6405±0.0053，表明课程难度推进的收益并非单调增加。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org