Goldilocks自适应数据选择策略论文发布
热点事件持续更新
Goldilocks自适应数据选择策略论文发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Ilia Mahrooghi、Aryo Lotfi、Emmanuel Abbe 发布论文，提出 Goldilocks 自适应数据选择策略：用 Selector 网络预测每个候选问题在模型多次采样中的奖励标准差，优先选择奖励波动大、难度适中的问题，并配合 GRPO 训练。 据论文称，在 OpenMathReasoning 和 Polaris 数据集上，Goldilocks 稳定优于标准 GRPO，达到同等性能最多可减少 78% 的优化步数。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
Goldilocks RL：通过调节任务难度逃离稀疏奖励以提升推理能力报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGGoldilocks RL：通过调节任务难度逃离稀疏奖励以提升推理能力
研究者提出 Goldilocks，一种自适应数据选择策略，用 Selector 网络预测每个候选问题在模型多次采样中的奖励标准差，优先选择奖励波动大、即难度适中的问题，并配合 GRPO 训练。在 OpenMathReasoning 和 Polaris 数据集上，Goldilocks 稳定优于标准 GRPO，达到同等性能最多可减少 78% 的优化步数。
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。