CERO：RL后训练rollout预算调度新方法
热点事件持续更新
CERO：RL后训练rollout预算调度新方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
针对群体相对强化学习每次更新使用固定 rollout 预算的做法，研究者提出 CERO，一种在线原始-对偶调度器，在整段训练周期内协调有限的 rollout 预算，自适应决定选哪些 prompt、多久复访以及每轮生成多少响应组。 在相同训练响应预算下，CERO 在三个骨干模型、五个数学推理基准上均取得最高的 avg@16 宏平均。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
CERO：RL 后训练中如何分配 rollout 预算报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGCERO：RL 后训练中如何分配 rollout 预算
针对群体相对强化学习固定每次更新预算的做法，研究者提出 CERO——一种在线原始-对偶调度器，在整段训练周期内协调有限的 rollout 预算，自适应决定选哪些 prompt、多久复访以及每轮生成多少响应组。在相同训练响应预算下，CERO 在三个骨干模型、五个数学推理基准上均取得最高的 avg@16 宏平均。
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。