跳到正文
arXiv · ML· Sushant Mehta, Edwin Chen·· 2 天前AI 评分39

NVIDIA 如何利用强化学习在专家任务上后训练 Nemotron 3.5 Super

What RL on Expert-Built Tasks Teaches Nemotron 3.5 Super

AI 导读

NVIDIA 对 Nemotron 3.5 Super 进行 RL 后训练,在五个专家任务数据集上显著提升性能。 使用 rank-32 LoRA adapter,SWE-bench Pro V2 从 86.9% 升至 92.1%,GDP_pdf 从 10.4% 升至 24.2%。 各适配器在原本失败的任务上表现更优,如工具使用适配器先找数据再行动。

来源:arXiv · ML · arxiv.org