提出自适应参考引导ARG方法
热点事件持续更新
提出自适应参考引导ARG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
研究提出用于推理强化学习轨迹生成的自适应参考引导（ARG）方法。据作者介绍，ARG 通过前缀续写从续写结果中学习一个跨题目共享的前缀选择器，无需估计成功概率或额外生成，即可在固定生成预算内构造正确轨迹，并应用于 GRPO 中的全失败组。 在 Qwen3-4B 和 Qwen3-8B 上，ARG 在五个数学推理基准中取得最高的 aggregate pass@12，平均采样准确率也具竞争力。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AI推理强化学习中轨迹 rollout 的参考引导与自由生成如何平衡：Adaptive Reference Guidance 方法
研究提出 Adaptive Reference Guidance（ARG），通过前缀续写从续写结果中学习一个跨题目共享的前缀选择器，无需估计成功概率或额外生成，在固定生成预算内构造正确轨迹，并应用于 GRPO 的全失败组。在 Qwen3-4B 和 Qwen3-8B 上，ARG 在五个数学推理基准中取得最高的 aggregate pass@12，平均采样准确率也具竞争力。
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。