算法论文7
虚假奖励让Qwen性能升25%
量子位
AI 摘要
华盛顿大学团队实验发现，用Qwen模型对虚假奖励进行RLVR，MATH - 500准确率能提升约25%。虚假奖励有效或因激活代码推理，研究提示不要只盯着Qwen做研究。
阅读原文 · 量子位
奖励是假的，能让Qwen提升25%性能却是真的！
华盛顿大学博士生团队用Qwen模型对虚假奖励进行RLVR，使MATH - 500准确率显著提升约25%。研究发现RLVR不考虑奖励正确性，还分析了虚假奖励有效的原因，提示现有研究要在非Qwen模型验证。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯9
九章云极问鼎陶哲轩数学挑战赛
本文报道九章云极言表实验室在陶哲轩发起的数学蒸馏挑战赛第二阶段拿下全部赛道满分，解决28个未解决开放数学问题，介绍了其可验证AI+强化学习的AI4S布局。
机器之心
算法论文9
对错之外，推理轨迹暗藏训练价值
本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。
深度学习自然语言处理
新闻资讯8
OpenAI攻破百道数学难题 普林斯顿介入
本文报道OpenAI最新AI进展，其内部新模型批量攻破100多道长期悬而未决的公开数学难题，联合普林斯顿高等研究院成立独立学术顾问小组规范成果评估，引发数学界震动。
AI寒武纪
产品应用7
飞猪帮帮：旅行AI开启履约新时代
8月10日，飞猪推出新一代旅行AI“飞猪帮帮”，能力覆盖旅行全生命周期。它将用户需求分为“帮我想、帮我订、帮我办”，利用Qwen模型后训练，结合多种校验手段，让AI从提供信息到进入履约环节。
特工宇宙