ROSS方法提出并验证自生成轨迹选择性监督
热点事件持续更新
ROSS方法提出并验证自生成轨迹选择性监督
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv发布论文介绍ROSS方法（Relearning from Self-Generated Rollouts through Selective Supervision）。该方法通过选择性监督重用自生成回放中的行为经验，在保留完整历史轨迹作为上下文的同时，仅对选定的模型生成延续部分计算损失，无需额外策略回放即可提升性能。 实验结果显示，在Qwen3.6-35B-A3B模型上，ROSS将六项基准的MOPD平均分从58.40%提升至62.20%，SWE-bench Verified基准成绩从64.20%提升至68.40%。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
ROSS：通过选择性监督从自生成回放中再学习报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AIROSS：通过选择性监督从自生成回放中再学习
研究者提出 ROSS 方法，通过选择性监督重用自生成回放中的行为经验，无需额外策略回放即可提升模型性能。 该方法在 Qwen3.6-35B-A3B 上将六基准 MOPD 平均分从 58.40% 提升至 62.20%，SWE-bench Verified 从 64.20% 提升至 68.40%。
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。