ICML 新算法落地业务上手难度高吗？
JustGRPO：极简RL算法屠榜，但业务场景真能直接用？阿里清华的JustGRPO拿下ICML杰出论文，用标准GRPO代替复杂的扩散模型RL方案，GSM8K干到89.1%。思路极简——放弃任意序生成，强制从左到右。但业务场景呢？你的数据是数学题这种有标准答案的任务，还是开放域生成？GRPO需要模型对同一道题生成多组答案做组内对比，推理成本翻几倍你算过吗？论文89.1%是基准测试，换到你的业务数据上还能不能打？
发布于 北京
分享
评论
1
未登录
友善发言
评论
加载中
