热点事件持续更新

研究提出自适应参考引导方法ARG以优化推理强化学习

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

2026年10月9日，相关研究提出了自适应参考引导（ARG）方法，用于在推理强化学习轨迹生成中平衡参考引导与自由生成。该方法通过前缀续写在固定生成预算内构建正确轨迹，并应用于 GRPO 的全失败组，以优化推理强化学习。在 Qwen3-4B 和 Qwen3-8B 两个模型上的 5 个数学推理基准实验结果显示，ARG 在所有评估方法中均取得了最高的综合 pass@12，并展现出具竞争力的平均采样准确率。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月9日

12:00
arXiv 人工智能
推理强化学习轨迹生成中平衡参考引导与自由生成
研究提出自适应参考引导（ARG）方法，通过前缀续写在固定生成预算内构建正确轨迹，并应用于 GRPO 的全失败组以优化推理强化学习。在 Qwen3-4B 和 Qwen3-8B 模型上的 5 个数学推理基准实验显示，ARG 在所有评估方法中取得了最高的综合 pass@12 以及具竞争力的平均采样准确率。

本事件热度走势

当前热度 9·可比范围峰值 10（10月9日 12:00）·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。