AGI Hunt· Zhiwei Zhang·· 4 小时前AI 评分43
ROSS 复用历史 rollout 做选择性监督，SWE-bench Verified 提升 4.2 个百分点
ROSS 复用历史 rollout 做选择性监督,SWE-bench Verified 提升4.2个百分点
AI 导读
ROSS 以完整历史 rollout 为上下文、只对选定的模型生成片段施加 loss，把原本被丢弃的自生成轨迹经离线 SFT 复用为行为经验。
来源：AGI Hunt · agihunt.info