SEPO自进化策略优化框架发布

研究团队提出自进化策略优化（SEPO）框架，旨在解决强化学习与大语言模型自我进化中存在的探索瓶颈问题。该框架通过策略内在的探索与利用机制，推动推理能力的持续演化。 SEPO 框架利用标签激发推理，并将新解蒸馏回策略，实现模型的持续自我优化。在科学、工具使用及逻辑推理领域，该框架表现出最优性能。目前该成果已在 arXiv 的 NLP 领域发布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。