arXiv cs.AI· Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li·· 1 天前AI 评分22
AdaC-GRPO：用自适应课程学习攻克长程视觉数独难题
AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning
AI 导读
针对长程多模态任务中 RLVR 效果不足的问题，研究者提出 AdaC-GRPO，通过在线 rollout 准确率追踪模型的"最近发展区"来动态构建训练批次，缓解复杂视觉数独（如 9*9）近零成功率导致的奖励稀疏。
来源：arXiv cs.AI · arxiv.org