跳到正文
热点事件持续更新

Snorkel称二值门控GRPO提升模型成绩

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Snorkel AI公布研究结果称,其用1105个专家构建的GDPval+任务训练Qwen3.8-27B,并完成约10.2万次rollout后,模型在OpenAI GDPval金标集上的pass@1由31.9%升至40.7%。 在同一研究对照中,Snorkel称二值门控GRPO能从失败样本中继续学习,而标准GRPO几乎没有进步;经LLM进行一对一比较,模型交付物对人类专家的胜率为44.0%。

AI 根据报道生成 · 31 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    Snorkel AI 用二值门控 GRPO 训练 Qwen3.8-27B,GDPval pass@1 从 31.9% 升至 40.7%

    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。

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。