MagicBeanStalk 论文：递归合成难题数据，gpt-oss-120b 数学基准提升 8.6 分
hyunw_kim · x · 2026-10-16
新论文 MagicBeanStalk 从第一性原理分析合成数据对 RLVR（可验证奖励强化学习）为何有用，方法是把困难问题通过递归合成转化为有用的训练数据。
- 在 8 个数学基准上：gpt-oss-120b 平均提升 8.6 分，DeepSeek v4 Flash 提升 5.4 分
- 核心思路：递归合成（recursive synthesis）——把难题改造成 RLVR 可用的训练样本，而非直接用原始难题
- 作者团队包括 GXiming Xue、Aviral Kumar、Yejin Choi、Jan Kautz 等
所属事件:MagicBeanStalk 论文：递归合成难题助 RLVR 破解零优势陷阱(3 条相关)→
「研究」频道最新
- Hugging Face 上线 AI4Science 热力图，79 家机构贡献开源科研资产 — anshulkundaje · 2026-10-16
- MIT FutureTech 主任 Neil Thompson：AI 先接管任务再取代岗位 — bigdata · 2026-10-16
- 马里兰大学提出 PAIR 框架，用桥接 token 打通 VLA 感知与动作 — Kaixi Feng · 2026-10-16
- CI-MSE 离线指标与机器人真机成功率相关性达 -0.87,远超原始 MSE — chris_j_paxton · 2026-10-16
- Colossal 用 AI 破译灭绝渡渡鸟基因开关，复活计划再进一步 — castrotech · 2026-10-16
- Colossal Biosciences 用 AI 寻找基因开关，推进渡渡鸟复活计划 — castrotech · 2026-10-16