热点事件持续更新
Princeton 陈丹琦提出使用失败 n-gram 检索 35M token 继续预训练的方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
报道摘要
RL 的失败是局部的：少量特征 n-gram（如 "let's recheck"、"the inverse of A"）就能预测 rollout 失败，而同题的其他采样常常是对的。
摘自 Agent Control Flash News
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 NewsPrinceton 陈丹琦：利用失败 n-gram 检索 35M token 继续预训练，提升 RLVR 模型性能
RL 的失败是局部的：少量特征 n-gram（如 "let's recheck"、"the inverse of A"）就能预测 rollout 失败，而同题的其他采样常常是对的。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。