跳到正文
热点事件持续更新

论文提出PASS:将过程监督评分转为GRPO优势信号

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Chao Wang 等作者在 arXiv 发布论文,提出 PASS(Process Advantage Signal Shaping),一种面向 GRPO 的优势构建方法,将过程监督的局部评分转化为策略优势。 论文称,在七个数学基准上,PASS 相比仅用结果奖励的 GRPO 平均提升 pass@1 4.62 个百分点,且回答长度缩短约 2%。

AI 根据报道生成 · 47 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    PASS:面向 LLM 推理器过程监督强化学习的优势构造方法

    arXiv 论文提出 PASS(Process Advantage Signal Shaping),一种用于 GRPO 的优势构造方法,将过程监督的局部评分转化为策略优势。

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。