待验证50% 置信基准精确时间

L2RR在六个数学推理基准和三种模型规模上进行了实证评估，结果表明L2RR提升了目标域性能，同时提高了rollout效率。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/3

首次发现

有效期至：2027/2/1

来源

数据集不匹配？L2RR如何优化GRPO的rollout效率

涉及实体

L2RRconcept 数学推理基准concept

相关事实

待验证L2RR学习一个源提示上的离散采样分布，通过优化一个双层目标：最大化留出目标数据集上的准确率，同时惩罚那些提供很少增量学习信息的rollout。76% 相似待验证在指令遵循、推理和编码任务上的评估显示，Lafa学到的流模型质量与自回归模型相当甚至更优。73% 相似待验证自回归LLM已经可以通过思维链、RL微调、多次采样和额外测试时计算来提升推理表现。71% 相似待验证对于构建大模型推理服务的团队，经过良好实现和调优的LRU往往已经是相当强大的选择，替代方案应在实际负载上经过全面测试后再决定70% 相似待验证实验发现，微调能同时提升模型的优化忠实度和运行时加速效果。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129359

API

curl https://kongchang.com/api/v1/knowledge/claims/1129359

MCP

get_claim(id=1129359)