热点事件持续更新

研究团队提出R-Quest方法解决推理模型自演化崩溃

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

针对推理模型在自训练过程中容易出现性能崩溃的问题，研究人员于2026年10月提出了通过问题有效性与新颖性反馈指导自我进化的R-Quest方法。该方法通过训练解题器识别并过滤无效问题，同时利用冻结的基座模型提供新颖性反馈，以避免数学等价问题的重复。实验结果表明，R-Quest在跨两个模型族的12个基准测试中均获得了最高平均性能，并在10轮自我进化中实现了持续稳定增长，其最终轮得分超越R-Zero达17.32分。

AI 根据报道生成 · 4 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6日

12:00
arXiv 机器学习
质疑问题：维持推理模型的持续自我进化
针对推理模型自训练容易出现性能崩溃的问题，研究人员提出利用问题有效性与新颖性反馈指导自我进化的 R-Quest 方法。该方法通过训练解题器识别并过滤无效问题，同时利用冻结基座模型提供新颖性反馈以避免数学等价问题重复。实验显示，R-Quest 在跨两个模型族的 12 个基准测试中均取得最高平均性能，并在 10 轮自我进化中保持稳定增长，最终轮得分超越 R-Zero 达 17.32 分。

本事件热度走势

当前热度 9·可比范围峰值 10（10月6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。