β-OPSD 消融显示目标路径和 return-to-go 都关键
furongh · x · 2026-08-04
- 消融实验显示，β-OPSD 的两个关键组成部分都很重要：更平滑的目标路径 和 面向未来的信用分配。
- 仅替换目标路径，就能让 AIME 2024 / AIME 2025 / HMMT 2025 分别提升 +6.03 / +5.30 / +1.67 分。
- 再把局部 token 级信用改成 return-to-go，又能额外带来 +1.12 / +5.55 / +3.61 分。
- 作者因此认为，这两部分是 β-OPSD 的互补核心，而不是可有可无的附加项。
所属事件:β-OPSD显著提升Qwen3推理性能，消融实验揭示关键机制(2 条相关)→
「研究」频道最新
- GPT-5.6 Sol 和 Fable 5 证明了一个开放猜想 — abeirami · 2026-08-04
- 类视网膜光流传感器把运动计算直接放进芯片 — ssh4net · 2026-08-04
- 论文证明交换式无悔学习与多校准、全预测等价 — Sauers_ · 2026-08-04
- 有人质疑：太多人没看实验部分就信了图表 — suchenzang · 2026-08-04
- 三篇论文展示 embeddings 如何绘制历史新闻语料地图 — leland_mcinnes · 2026-08-04
- 实验显示该方法在成熟策略场景里反而有害 — YouJiacheng · 2026-08-04