清洗 RL 数据集可显著提升 Text-to-SQL 性能
joecole · x · 2026-08-28
研究团队发现，仅通过精细清洗一个流行的 RL 数据集中坏样本的方法，就能在 Text-to-SQL 后训练中获得显著性能提升。最终模型甚至在某些基准上击败了 Sol 和 Fable。
所属事件:RLVR+数据清洗让Text-to-SQL首超人类(6 条相关)→
「研究」频道最新
- RLVR 微调致解空间坍缩，加入 replay 缓冲可保多样性并提升 pass@8 — manoelribeiro · 2026-10-15
- ModeBench 揭示 RLVR 让 LLM 只会一种解法，Re:Max 训练法可保解法多样性 — manoelribeiro · 2026-10-15
- NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索 — jaseweston · 2026-10-15
- Google WeatherNext 助 NHC 预报飓风 Isaias，提前 3 天锁定路径误差 60 公里内 — PeterWBattaglia · 2026-10-15
- MIT 用简单局部突触规则让神经网络自建学习机制 — ChuckDBrooks · 2026-10-15
- 中科大提出 VASPO:自蒸馏结合特权价值估计改进 PPO 推理 — ustc-community · 2026-10-15