热点事件持续更新
研究团队提出ModeBench基准与解模式崩溃缓解方案Re:Max
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
针对大语言模型在RLVR（可验证奖励强化学习）后训练中概率过度集中于少数正确解的模式崩溃问题，研究团队推出了多解评测基准ModeBench及缓解方案Re:Max。ModeBench的测试证实，RLVR确实会降低模型解的多样性，且前沿模型已出现高度集中现象。为此提出的Re:Max方案通过在重放缓冲区中均匀训练已发现的各模式样本，在3种模型规模和2种强化学习目标下，同时提升了策略成功率与解题的多样性。
AI 根据报道生成 · 6 小时前更新
最新进展10月9日 12:00
研究团队推出ModeBench基准与Re:Max方案，有效缓解RLVR后训练的解模式崩溃问题。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 机器学习RLVR 中解模式崩溃的测量与缓解
针对 RLVR 后训练中大语言模型概率过度集中于少数正确解的模式崩溃问题，研究团队推出了多解评测基准 ModeBench 与缓解方案 Re:Max。ModeBench 测试证实 RLVR 会降低解的多样性，且前沿模型已高度集中。Re:Max 通过在重放缓冲区中均匀训练已发现的各模式样本，在 3 种模型规模和 2 种 RL 目标下同时提升了策略成功率与解的多样性。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。