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)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →