difficulty-adaptive

标签

#difficulty-adaptive

基于难度适应的树结构策略优化以扩展RLVR中的推理覆盖

Hugging Face Daily Papers ↗ · 2026-09-08 缓存

论文提出了DATPO，一种基于难度适应的树结构策略优化方法，通过句子熵引导的分支和多样性感知优化来增强大模型中的推理覆盖，在pass@k指标上优于基线方法。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈