GRPO课程难度递进：适度加难有益，过度有害
热点事件观察中
GRPO课程难度递进：适度加难有益，过度有害
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
一项发表于 arXiv 的研究在 GRPO 训练中按当前策略重新估计样本难度，并设计分阶段课程，逐步把训练样本的难度带推向更难的样本。 GSM8K 实验显示，持续选择中等难度样本并非最优：在三个随机种子下，进阶到适度更难难度带的测试准确率为 0.6591 ± 0.0077，高于固定中等难度课程的 0.6449 ± 0.0024；但进一步进阶到更难难度带后，准确率降至 0.6405 ± 0.0053。研究由此得出课程难度递进存在收益上限的结论。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
GRPO 课程难度进阶：适度加难有益，过度加难有害报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AIGRPO 课程难度进阶：适度加难有益，过度加难有害
研究在 GRPO 中按当前策略重新估计样本难度，并设计分阶段课程逐步将难度带推向更难的样本。GSM8K 实验显示，持续选择中等难度样本并非最优：三个随机种子下，进阶到适度更难难度带的测试准确率为 0.6591 ± 0.0077，高于固定中等难度课程的 0.6449 ± 0.0024，但进一步进阶到更难难度带则降至 0.6405 ± 0.0053。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月13日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。