标签
SAI-DPO 引入了一个动态采样框架，在数学推理任务中根据模型不断演进的能力自适应调整训练数据，利用自感知难度指标和知识语义对齐在 AIME24 和 AMC23 等基准上以更少的数据实现最先进的效率。