长任务泛化实验:RLM 在 MRCrv2、GraphWalks 等六个长上下文基准全面领先
a1zhang · x · 2026-11-20
a1zhang 论文补充实验图:MRCrv2(64k→2M)、GraphWalks(256k→1M)、LongBench-Pro、OOLONG、OOLONG-Pairs、Ada-LEval 六个基准上,RLM 训练曲线相对 LM+REPL、Pi、Base+YaRN 基线在更长评测任务上普遍更优,展示"短任务训练→长任务泛化"的组合泛化效果。
所属事件:MIT 论文:LM Harness 是组合泛化器而非弱模型拐杖(10 条相关)→
「编程与Agent」频道最新
- 开发者用 Runway 视频接入 Hermes Agent,吐槽现在 agent 界面太无趣 — alexcovo_eth · 2026-11-21
- 实践者吐槽:Lean 编译通过的自然语言证明,读起来仍是错的 — jasondeanlee · 2026-11-21
- DeepMind 展示 Gemini 4 Neon 按勃朗峰真实地形写滑雪模拟器 — GoogleDeepMind · 2026-11-21
- pstack v0.15.46 更新:skills 精简、Gemini 加入评审面板 — petrusenko_max · 2026-11-21
- Hamel Husain 力挺 evals 心法:好流程远胜好工具 — HamelHusain · 2026-11-21
- Databricks Genie One 通过 MCP 把受管数据接入 ChatGPT 与 Claude — Wise_Ear_4064 · 2026-11-21