研究者提出AdaC-GRPO与FG-Sudoku基准

Sida Li 等作者提出 AdaC-GRPO，用在线 rollout 准确率追踪模型的"最近发展区"，动态构建训练批次，以应对长程多模态视觉数独任务中 RLVR 的奖励稀疏问题。 作者同时发布 FG-Sudoku 基准，该基准按网格尺寸和所需推理步数分级。两项成果均针对长程多模态视觉数独推理。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。