提出了一种面向大语言模型强化学习(LLM RL)的采样计算最优分配方法,通过联合优化每问题并行采样数、每批次问题数和迭代步数三个维度,在不同难度问题上发现并验证了可预测的缩放规律,并揭示了其背后机制差异。
机构:CMU
来源:arXiv 2603.12151 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程