热点事件持续更新
研究人员提出 C-GRPO 算法大幅降低推理模型训练预算
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究人员在 arXiv 发布论文，提出 C-GRPO（共形分组相对策略优化）。该方法通过引入校准共形阈值来替代标准 GRPO 的固定采样预算，为训练终止规则提供有限样本覆盖保证。在涵盖数学、研究生级科学与代码生成的 6 个基准测试中，C-GRPO 相比固定预算 GRPO 减少了 49% 至 70% 的平均训练 rollout，同时取得最强 pass@1。此外，该方法具备跨模型族迁移能力，可实现最高 82% 的 rollout 节省。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
研究人员发布 C-GRPO 算法，用校准共形阈值动态调整预算，最高减少 82% 采样消耗。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.LGC-GRPO：共形分组相对策略优化
研究人员提出 C-GRPO，用校准共形阈值替代标准 GRPO 的固定采样预算，为训练终止规则提供有限样本覆盖保证。在涵盖数学、研究生级科学与代码生成的 6 个基准测试中，C-GRPO 相比固定预算 GRPO 减少 49-70% 的平均训练 rollout，并取得最强 pass@1。该方法可跨模型族迁移，实现最高 82% 的 rollout 节省。
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。