arXiv cs.AI· Ximing Lu, Aviral Kumar, Jan Kautz, Yejin Choi, David Acuna·· 1 天前AI 评分34
MagicBeanStalk：用递归数据合成逃离 RLVR 零优势陷阱
MagicBeanStalk: Escaping the RLVR Zero Advantage Trap with Recursive Data Synthesis
AI 导读
MagicBeanStalk 是一种自上而下分解、自下而上递归的数据合成算法，可将种子问题扩展为策略与预算校准的新训练题，同时保留种子的推理蓝图。
来源：arXiv cs.AI · arxiv.org