港中深/复旦 ASE 方法提升 RLVR 训练语言模型性能

2026年10月22日，港中深和复旦的研究团队在Agent Control Flash News报道中宣布，他们在Qwen3-1.7B-Base和Qwen3-8B-Base模型上应用了自适应探索（ASE）方法，提升了数学推理基准测试成绩。研究指出，在固定rollout预算下，重复采样会导致学习信号中相似推理路径的拥挤，使得有用替代路径无法进入学习信号。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。