CMU/UMich 提出TWICE算法，问答基准上GRPO性能提升

2026年10月24日，CMU和UMich的研究团队提出了TWICE算法，该算法通过反事实分支技术显著提升了GRPO（Graph-based Retrieval over Knowledge Bases）的性能。在问答基准测试中，平均精确匹配率分别提升了5.3和4.5个百分点。研究强调了在孪生世界同噪声反事实情境下，才能有效分离决策效应与运气因素。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。