组采样RL技巧：全错组持续采样，稀有正样本优势拉满
gowthami_s · x · 2026-10-28
续上条：论文保持较小的 K，但当一组全错（通常意味着是难题）时，会以概率 p 继续采样直到出现一个正确答案；这些失败样本汇入一个大组，使稀有正样本的优势接近 1 而非被封顶在 0.75。超过 4 步的过期负样本只计入基线。
所属事件:组采样强化学习技巧：小 K 过滤简单题，全错组持续采样(3 条相关)→
「研究」频道最新
- Google Research 提出睡眠框架：让 LLM 持续学习、知识保留达 1000 万 token — behrouz_ali · 2026-10-28
- CATCH 对抗训练：仅约 200 例样本让 LLM 学会可迁移的诚实行为 — irinarish · 2026-10-28
- Andrew Critch 公开个人置信度:P≠NP 仅 80%,黎曼假设 60% — AndrewCritchPhD · 2026-10-28
- 印度 AI 疫苗创企 PopVax 获 Vitalik 2000 万美元资助，广谱新冠疫苗进入人体试验 — chaitjo · 2026-10-28
- Cognition 发布 FrontierCode 2.0：用模糊需求考 AI 的工程判断力 — DevinAI · 2026-10-28
- 检测显示 arXiv 论文 60% 文字由 AI 写，完全 AI 代写占比达 25% — wandedob · 2026-10-28