RL 后印地语系任务增益与回退研究
热点事件持续更新
RL 后印地语系任务增益与回退研究
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
Sutanshu Saksena Raj 等发布论文，报告在一款覆盖英语和八种印度语言的 30B-A3B MoE 监督微调模型上用 GRPO 在四个环境中进行强化学习，并跨 34 个基准对比训练前后的表现。 结果显示 MATH 提升 36.07 分，多数印度语基准也改善；但 XQuAD-Indic F1 下降 19.32 分，其中英语答案占比从 8.7% 升至 91.7%，IndicQA 也下降 8.64 分。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
强化学习后印度语系任务的提升与退化报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AI强化学习后印度语系任务的提升与退化
一项研究在覆盖英语和八种印度语言的 30B-A3B MoE 监督微调模型上，用 GRPO 在四个环境中进行强化学习，并跨 34 个基准对比前后表现。MATH 提升 36.07 分，多数印度语基准也改善，但 XQuAD-Indic F1 下降 19.32 分（英语答案占比从 8.7% 升至 91.7%），IndicQA 下降 8.64。
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。