EVOL-RL论文更新至v4并报告数学推理提升
热点事件持续更新
EVOL-RL论文更新至v4并报告数学推理提升
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Yujun Zhou 等作者将 EVOL-RL 论文更新至 v4；论文报告，这种无标签训练方法在 held-out AIME25 上提升了数学题表现。在 AIME24 无标签训练的 Qwen3-4B-Base 上，pass@1 从 TTRL 的 4.6% 升至 17.1%，pass@16 从 18.5% 升至 42.0%。 EVOL-RL用多数投票提供选择信号，并以回答嵌入的新颖性区分选择状态相同的回答，旨在缓解自我改进时回答多样性坍缩。论文还称，当多数答案错误时，该方法能更好地保留其他正确解。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
EVOL-RL：无标签进化语言模型中，多数投票驱动选择、新颖性促进变化报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningEVOL-RL：无标签进化语言模型中，多数投票驱动选择、新颖性促进变化
EVOL-RL以多数投票提供稳定选择信号，并用嵌入新颖性区分选择状态相同的回答，缓解无标签自我改进中的多样性坍缩。在AIME24无标签训练的Qwen3-4B-Base上，held-out AIME25的pass@1从TTRL的4.6%升至17.1%，pass@16从18.5%升至42.0%。当多数答案错误时，EVOL-RL也能更好保留其他正确解。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。