10月8日 · 周四

阿里巴巴 · Qwen · 论文

找到 1 篇

筛选

系统形态

层

训练与数据层1

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 32 篇还没打标签，不在筛选结果里。

话题：阿里巴巴 · Qwen 清除全部

另有 18 篇还没有研究类型，暂不在这些分类里。

其他arXiv:2609.40360 · 10月1日
SCAPO：用反事实稳定性改进 GRPO 的 token 级信用分配
提出 SCAPO，用半事实稳定性改进 GRPO 的 token 级信用分配
模型与 API测试Qwen3-4B-Base、Qwen3-1.7B-Base训练与数据层
摘要SCAPO 在训练早期下调相对不稳定 token 的 GRPO 优势，两个规模上多数基准更高。
SCAPO 把固定回答在半事实提示下的稳定性，变成 GRPO 训练早期的 token 级负向信用修正。。
完整解读

已经到底了