Frontier Learning:GRPO 下过易过难题零梯度,唯有能力边界处学习最有效
_rockt · x · 2026-10-02
- Meta 团队(由 Robin Faro 与 Shyamal 主导,Ilija Bogunovic 团队发布)提出新论文 Frontier Learning,核心观点:学习在能力边界处最有效——太简单或太难的问题都教不会模型什么。
- 这在用 GRPO 训练 LLM 推理器时是字面事实:模型总是解出或永远解不出的问题,其优势(advantage)为零,产生零梯度,无法提供学习信号。
- 该研究方向受 open-endedness(开放式探索)研究的启发,相关合作者包括 Jack Parker-Holder、Minqi Jiang、Rocky Duan 等。
「模型」频道最新
- Ramp 实测:原生 harness 普遍提升模型解题率,但效果因模型而异 — xeophon · 2026-11-19
- SGLang 宣布为新模型 DaisyRose-27B 提供 Day-0 支持 — ying11231 · 2026-11-19
- Tibo 回应 Astra 6.2 差评:内测大V与普通用户评价两极分化 — eigenrobot · 2026-11-19
- 网友用 GPT-6.2 Astra 做出可交互旋转 3D 分子构象的 macOS 化学应用 — DeryaTR_ · 2026-11-19
- Caliper Harness 开源:用计划-审批-复审纪律管住小本地模型 — Saraozte01 · 2026-11-19
- DaisyRose-27B 背后:自建沙箱服务降本 80%,百万次运行成功率 99.95% — BanghuaZ · 2026-11-19