arXiv cs.AI· Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li·· 4 小时前AI 评分35
AdaC-GRPO：用自适应课程学习攻克长时程视觉数独
AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning
AI 导读
AdaC-GRPO 用在线 rollout 准确率跟踪模型的"最近发展区"并动态构建训练批次，缓解长时程视觉数独中近零成功率导致的奖励稀疏。研究另提出按网格尺寸与推理步数分类的细粒度基准 FG-Sudoku，前沿 MLLM 在 9*9 等复杂长程依赖上失败。
来源：arXiv cs.AI · arxiv.org