arXiv 人工智能· Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li·· 8 小时前AI 评分34
AdaC-GRPO：通过自适应课程学习攻克长程视觉数独难题
AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning
AI 导读
研究人员提出 AdaC-GRPO 方法，通过在线 rollout 准确率追踪模型最近发展区并动态构建训练批次，解决了视觉数独等长程多模态推理中的奖励稀疏问题。配套推出的 FG-Sudoku 基准测试显示，前沿模型在复杂 9*9 数独等长依赖任务中表现受限。
来源：arXiv 人工智能 · arxiv.org