注册    登录
专栏名称: 爱可可-爱生活
知名互联网资讯博主 北邮PRIS模式识别实验室陈老师
今天看啥
公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
目录
今天看啥  ›  专栏  ›  爱可可-爱生活

【GSM8K-RLVR：用强化学习提升语言模型的数学解题能力，让-20250214141233

爱可可-爱生活  · 微博  · AI  · 2025-02-14 14:12
    

文章预览

2025-02-14 14:12 本条微博链接 【GSM8K-RLVR：用强化学习提升语言模型的数学解题能力，让模型在GSM8K数据集上表现更出色。亮点：1. 不依赖预训练奖励模型，直接优化基础模型；2. 通过RLVR，模型准确率提升显著，如Qwen2.5-Math-1.5B模型准确率从70.66%提升至77.33%，提升6.67个百分点；3. 简化提示格式，无需复杂标签】 'Reinforcement Learning from Verifiable Rewards for Base Models' GitHub: github.com/Mohammadjafari80/GSM8K-RLVR #强化学习# #数学解题# # ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
人工智能那点事  ·  担心“论文AI率”的大学生有救了！985高校发文，直击这两个问题……
18 小时前
宝玉xp  ·  先能看出来好代码坏代码，知道怎么测试验证代码，然后出现问题能描述-20250524135033
昨天
爱可可-爱生活  ·  【[584星]OpenCode：为开发者打造的终端AI助手，让编-20250523205730
2 天前
爱可可-爱生活  ·  [CL]《Soft Thinking: Unlocking th-20250523053406
3 天前
新智元  ·  AI开源狂飙，OpenAI们慌了！GenAI大洗牌，2025趋势深度解读
3 天前
ONE文艺生活  ·  “麦琳式”婚姻，受害者不止一个
6 月前
南京新闻  ·  记者现场直击：全线通车！
4 月前
中古史  ·  鄭顯文《出土文獻與漢唐法制史新論》出版
1 月前
PKU言之有物  ·  悟理微谈丨物院人的热血“运动”学 (I) ——足篮排的多体理论
1 月前
关于   移动版   ·   RSS之家   ·   卧龙AI搜索   ·   更多产品   ·  
今天看啥 - 公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
© 2025 ~ 沪ICP备11025650号