饱和数据 RL 再进阶:混入未饱和数据再涨 1.8-3.1 分,AIME25 从 22.1 升至 32.7
shangbinfeng · x · 2026-10-22
对「在饱和数据上做 RL」研究的补充:该负样本方法在饱和与未饱和数据混合训练时仍有效(提升 1.8-3.1 分),并能迁移到 Llama-3.1-8B。还支持自我进化循环:新解出的题目加入饱和题池(到第 80 步新增 443 题),同时 AIME25 准确率从 22.1% 持续攀升到 32.7%。
所属事件:华盛顿大学新研究:回收奖励饱和数据做 RL,Qwen3 最高涨 9 个点(5 条相关)→
「研究」频道最新
- SophontAI 发布 Holon-S1：从常规病理切片预测基因表达 — iScienceLuvr · 2026-10-22
- Turing Post:神经网络『已被看透』?正反两方激辩可解释性边界 — TheTuringPost · 2026-10-22
- Holon-S1 未训练过骨肉瘤,却从病理切片发现医生确认的靶点 — iScienceLuvr · 2026-10-22
- ATEST 框架：按 GPU 负载动态省 48 倍推理能耗 — Mobina Kashaniyan · 2026-10-22
- 用 Claude 扫描百万点组合，发现四面体「七点球」新定理 — IgorCarron · 2026-10-22
- ROME 攻击:投毒 Python 库可篡改 GPU 上模型权重,改写事实且无痕 — SirJerryLion · 2026-10-22