热点事件持续更新
阿里通义/Mila HarnessRL 训练优化
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
阿里通义与Mila的HarnessRL项目在训练期实现了harness与策略的共进化，通过基于Rubric RL的方法，提升了2.8-3.1分，同时将训练步数减半。早先报道称，Rubric奖励失效的问题，即分数塌成一致高/低或分数高但回答不好，其根本原因是任务采样、探索与评估都固定不变，而策略在变化。
AI 根据报道生成 · 3 小时前更新
最新进展10月21日 06:12
最新进展：通过共进化策略，显著提升了训练效果并减少了训练步数。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- Agent Control Flash News阿里通义/Mila HarnessRL：基于 Rubric RL 的训练期 harness 与策略共进化，提升 2.8-3.1 分，训练步数减半
rubric 奖励失效（分数塌成一致高/低，或分数高但回答不好）的根因，是任务采样、探索与评估都固定不变，而策略在变。
本事件热度走势
当前热度 9·可比范围峰值 10（10月21日 07:00）·近 24 小时可比范围变化 –
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。