arXiv · AI· Yuv Raj Pant, Moshiur Rahman Tonmoy, Kaiqun Fu·· 6 小时前AI 评分31
ClosedLoopGaussian 如何帮助 GRPO？针对 Countdown 的分析
When Does Closed-Loop Curriculum Adaptation Help GRPO? An Analysis on Countdown
AI 导读
ClosedLoopGaussian 是一种轻量级自适应课程方法，用于提升顺序推理任务中 GRPO 的强化微调效率。 该方法通过周期性探测各难度准确率的反馈机制，动态调整采样节奏与范围，避免训练偏离当前模型能力。 在符号算术推理任务 Countdown 上，该方法使 GRPO 的精确匹配准确率提升，且在中等难度区间增益最强，代码已公开。
来源：arXiv · AI · arxiv.org