跳到正文
热点事件持续更新

RoAR模型提出并公开代码

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Sohyun Son等人提出RoAR方法，通过在GRPO奖励机制中引入基于现有策略组群的推理一致性信号，优化大模型推理能力。 该方法的特性在于无需人工编写的推理步骤、额外采样或独立训练的过程评估器，完全利用现有的在线策略组群计算信号。 实验显示，使用7000个训练样本在零样本评估中，1.5B规模的GRPO-RoAR模型在五个数学基准测试中取得了55.5%的平均pass@1成绩，相关代码已公开。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00
```json

报道时间线

沿着报道，了解事件的不同侧面。

10月27日
  1. arXiv · NLP
    ```json

    { "title_zh": "RoAR 提升基于群组策略优化的推理能力", "summary_zh": "RoAR 通过向 GRPO 奖励中引入推理一致性信号，在五个数学基准上实现 55.5% 平均 pass@1。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。