提出 SEPO 自进化推理框架
热点事件持续更新
提出 SEPO 自进化推理框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Wenhang Shi 等提出自进化策略优化（SEPO）框架，试图通过引导探索和分布内利用持续提升大语言模型的推理能力。论文称，在科学、工具使用和复杂逻辑推理任务中，SEPO在相同训练时间或步数下均取得最佳表现。
AI 根据报道生成 · 51 分钟前更新
最新进展10月28日 12:00
Self-Evolution Reasoner：通过策略内在探索与利用实现持续优化报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningSelf-Evolution Reasoner：通过策略内在探索与利用实现持续优化
Self-Evolution Reasoner提出Self-Evolution Policy Optimization（SEPO），通过策略内在探索与分布内利用推动大语言模型推理能力持续进化。在科学、工具使用和复杂逻辑推理任务中，SEPO在相同训练时间或步数下均取得最佳表现，并在复杂任务及小规模模型场景中保持稳定提升，即使基线明显落后或失效。
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。