ASE方法激活空间探索提升Qwen数学推理基准
热点事件持续更新
ASE方法激活空间探索提升Qwen数学推理基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Yunan Zeng等研究者提出激活空间探索（ASE）方法，通过聚类正误响应的激活差异构建潜在探索向量，用于多样化后续采样与训练过程。 在DAPO-Math-17k数据集上，对Qwen3-1.7B-Base和Qwen3-8B-Base模型进行训练，在相同rollout预算下，ASE使六个数学推理基准的Mean@8平均分别较GRPO提升4.87和1.87个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
基于激活空间引导的探索方法提升可验证奖励强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AI基于激活空间引导的探索方法提升可验证奖励强化学习
提出激活空间探索（ASE）方法，通过聚类正误响应间的激活差异构建潜在探索向量，并应用于后续采样以多样化训练过程。 在 Qwen3-1.7B-Base 和 Qwen3-8B-Base 模型上使用 DAPO-Math-17k 数据集训练，ASE 在相同 rollout 预算下，使六个数学推理基准的平均 Mean@8 分别较 GRPO 提升 4.87 和 1.87 个百分点。
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。