港大提出A-GRAE算法优化GRPO探索与准确率
热点事件历史事件
港大提出A-GRAE算法优化GRPO探索与准确率
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
香港大学团队提出非对称组相对优势估计算法 A-GRAE,旨在解决 GRPO 存在的隐式优势对称性问题。该算法在 Qwen2.5-Math-7B 等基座模型上验证,使 DAPO+A-GRAE 组合在 AIME2025 基准测试中的表现提升至 53.3%,并显著增强了模型的探索能力与回答多样性。相关代码已开源。 研究指出,传统 GRPO 方法存在阻碍探索与难度适应的缺陷。A-GRAE 通过打破这种隐式优势对称性来改善训练效果。
AI 根据报道生成 · 3 天前更新
最新进展11月18日 11:30
港大提出 A-GRAE 打破 GRPO 隐式优势对称性,提升模型探索与准确率报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- 机器之心港大提出 A-GRAE 打破 GRPO 隐式优势对称性,提升模型探索与准确率
香港大学团队揭示 GRPO 存在阻碍探索与难度适应的“隐式优势对称性”,并据此提出非对称组相对优势估计算法 A-GRAE。该算法在 Qwen2.5-Math-7B 等基座模型上验证,于 AIME2025 基准将 DAPO+A-GRAE 表现提升至 53.3%,同时显著增强模型探索能力与回答多样性,代码已开源。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 811月18日 18:00
- 近 24 小时变化
- -51%
02.557.510
11月19日12:0011月20日
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。