GRPO课程难度渐进的收益与局限研究
热点事件持续更新
GRPO课程难度渐进的收益与局限研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Ronghan Li、Fei Chen、Mingyu Lu 发布arXiv论文（arXiv:2610.13669），研究GRPO训练中在线课程难度的分阶段推进：随策略演化逐步提高训练样本难度，并与固定中等难度课程比较。 基于论文摘要，GSM8K上跨三个随机种子的结果显示，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。作者称持续选择中等难度样本并未取得最强表现，课程难度推进的收益并非单调增加。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
GRPO课程难度渐进式推进的收益与限制报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIGRPO课程难度渐进式推进的收益与限制
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。