AGI Hunt· ajratner·· 1 小时前AI 评分50
Snorkel AI 用二值门控 GRPO 训练 Qwen3.8-27B,GDPval pass@1 从 31.9% 升至 40.7%
Snorkel 用二值门控 GRPO 训练 Qwen,GDPval 成绩从 31.9% 升至 40.7%
AI 导读
Snorkel AI 用 1105 个专家构建的 GDPval+ 任务训练 Qwen3.8-27B,完成约 102K 次训练 rollout 后,OpenAI GDPval 金标集 pass@1 从 31.9% 提升至 40.7%。在 LLM 评审的一对一比较中,模型交付物以 44.0% 的对局胜率击败人类专家;binary-gated GRPO 可从失败中学习,而标准 GRPO 几乎原地不动。
来源:AGI Hunt · agihunt.info