arXiv · cs.AI· Ronghan Li·· 18 天前AI 评分30
GRPO 中课程难度递进的收益与局限：难度递进一步到位并非越难越好
A Step Harder, Not a Step Too Far: The Benefits and Limits of Curriculum Difficulty Progression in GRPO
来源与原文
arXiv · cs.AI
作者：Ronghan Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13669v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究重新在当前策略下估计样本难度，并设计 GRPO 分阶段课程，将活跃难度带逐步推向更难样本。GSM8K 实验中，三个随机种子下递进到中等偏难难度带使测试准确率达到 0.6591±0.0077，高于固定中等难度的 0.6449±0.0024；但进一步递进到更难难度带则降至 0.6405±0.0053。结果表明难度递进的收益是非单调的，有效课程应超越中等难度但避免过度拔高。
来源：arXiv · cs.AI · arxiv.org