研究提出用子组偏移调整GRPO基线
热点事件持续更新
研究提出用子组偏移调整GRPO基线
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
Jiaying Zhou 等人在 arXiv 发布论文(2611.00782),提出在 GRPO 中用"子组偏移"调整组内基线:当同一提示词的 rollouts 因解题策略不同形成异构子组时,用带符号系数 λ 沿子组均值与全局均值之差移动基线。 作者在 Qwen3-8B-Base 和 Olmo3-7B-Base 上、跨四个竞赛级数学基准评测了两个方向的调整效果,称相对基线锚点均带来 modest 但一致的多样本覆盖提升,其中 Contrast 方向效果更强。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
子组偏移调整 GRPO 基线:一个偏移、两个方向报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AI子组偏移调整 GRPO 基线:一个偏移、两个方向
一项 arXiv 研究提出在 GRPO 中用"子组偏移"调整组内基线:当同一提示词的 rollouts 因解题策略不同而形成异构子组时,用带符号系数 λ 沿子组均值与全局均值之差移动基线。
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。