Junxing Hu等提出Info-GRPO框架
热点事件持续更新
Junxing Hu等提出Info-GRPO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
Junxing Hu等提出Info-GRPO，在训练提示中加入潜变量种子，让策略探索与潜在先验相关联，以缓解长推理轨迹中探索与熵收敛之间的冲突。作者报告称，在AIME24上，Info-GRPO在四种骨干模型上的Avg@8较GRPO分别提升3.75%、1.66%、4.16%和4.17%；达到相同多数投票准确率时，所需样本数降至八分之一。
AI 根据报道生成 · 54 分钟前更新
最新进展10月28日 12:00
Info-GRPO：面向长轨迹推理的相关性感知探索报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningInfo-GRPO：面向长轨迹推理的相关性感知探索
Info-GRPO通过在训练提示中加入潜变量种子，使策略探索与潜在先验相关联，以缓解长推理轨迹中探索与熵收敛的冲突。AIME24上，其在四种骨干模型上的Avg@8较GRPO分别提升3.75%、1.66%、4.16%和4.17%。达到相同多数投票准确率时，Info-GRPO所需样本数减少至八分之一。
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。