微软表征式探索奖励论文获接收
热点事件持续更新
微软表征式探索奖励论文获接收
1 篇报道1 个报道来源52 分钟前更新
先了解这件事
AI 综述
微软研究院提出的论文《Representation-Based Exploration for Language Models: From Test-Time to Post-Training》被 ICLR 2026 接收。论文称，基于表征的探索奖励用于 Qwen-2.5-14B-Instruct 推理时扩展时，几乎所有任务的验证器效率提升超过 50%；接入强化学习后训练后，Qwen-2.5-7B-Instruct 在 AIME 2024 的 pass@80 追平原模型 GRPO 的 pass@256，样本效率约提升 3 倍。论文代码与网站已开源。
AI 根据报道生成 · 30 分钟前更新
最新进展11月10日 08:56
微软研究院论文：基于表征的探索奖励使 Qwen 验证器效率提升超 50%报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- AGI Hunt微软研究院论文：基于表征的探索奖励使 Qwen 验证器效率提升超 50%
微软研究院论文提出基于表征的探索奖励，在 Qwen-2.5-14B-Instruct 推理时扩展中，使几乎所有任务的验证器效率提升超 50%。将该策略接入 RL 后训练后，Qwen-2.5-7B-Instruct 在 AIME 2024 以 pass@80 追平原模型 GRPO 的 pass@256，样本效率提升约 3 倍。论文被 ICLR 2026 接收，代码与网站已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。