课程学习助力小模型突破长程隐式推理
热点事件持续更新
课程学习助力小模型突破长程隐式推理
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究人员 Jimson Huang 等人提出通过课程学习提升大语言模型（LLM）的隐式推理深度。该方法在微调过程中逐步增加词汇量和 lookahead（向前搜索步数），以测试模型能否扩展其推理深度。实验表明，在相同算力条件下，采用课程学习的训练方式优于无课程训练。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
课程学习提升 LLM 长程隐式推理，Qwen3-0.6B 在 256 lookahead 任务中准确率达 98%报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLP课程学习提升 LLM 长程隐式推理，Qwen3-0.6B 在 256 lookahead 任务中准确率达 98%
课程学习通过逐步增加词汇量和 lookahead 微调 LLM，在相同算力下优于无课程训练；Qwen3-0.6B 在 lookahead 达 256 的问题上准确率从 45% 提升至 98%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。