新加坡国立大学提出ExTra探索框架
热点事件持续更新
新加坡国立大学提出ExTra探索框架
1 篇报道1 个报道来源54 分钟前更新
先了解这件事
AI 综述
新加坡国立大学团队提出兼容GRPO的ExTra框架，通过新颖性奖励和熵引导的前缀再生加入探索信号，以缓解强化学习数学推理在简单题和难题上的失效。在六个数学推理基准上，ExTra使Qwen3-1.7B相较GRPO的pass@1约提升5分、pass@16约提升7分。
AI 根据报道生成 · 29 分钟前更新
最新进展11月10日 08:54
ExTra 框架为 GRPO 注入探索信号，Qwen3-1.7B pass@1 提升约 5 分报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- AGI HuntExTra 框架为 GRPO 注入探索信号，Qwen3-1.7B pass@1 提升约 5 分
新加坡国立大学团队提出兼容 GRPO 的 ExTra 探索框架，通过新颖性奖励和熵引导前缀再生缓解 RLVR 在简单题与难题上的失效。六个数学推理基准上，ExTra 使 Qwen3-1.7B 相较 GRPO 的 pass@1 提升约 5 分、pass@16 提升约 7 分。
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。