热点事件持续更新
复旦等团队提出PSN-RLVR提升大模型强化学习探索能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月30日，复旦大学与上海创智学院等团队提出 PSN-RLVR 方法。该方法在解题前向模型参数引入贯穿整条推理轨迹的小幅扰动，以此解决大模型在强化学习后训练过程中的探索瓶颈问题。实验结果显示，该方法显著提升了模型的解题探索能力，使 Qwen3-4B-Base 在五项数学基准上的平均 pass@256 从 70.70% 提升至最高 76.10%，并使 Llama-3.1-8B 的该指标从 39.56% 提升至 49.92%。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 10:20
复旦大学等团队提出PSN-RLVR，通过参数扰动显著提升大模型数学推理与探索表现。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AITNT · AI头条复旦等团队提出 PSN-RLVR：给参数加扰动提升大模型探索能力
复旦大学与上海创智学院等团队提出 PSN-RLVR，在解题前向模型参数引入贯穿整条推理的小幅扰动，以解决强化学习后训练的探索瓶颈。该方法使 Qwen3-4B-Base 在五项数学基准上的平均 pass@256 从 70.70% 提升至最高 76.10%，Llama-3.1-8B 从 39.56% 升至 49.92%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月30日 11:00）·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。