热点事件持续更新
MORE：自适应选择推理模式与计算量的自进化训练框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv cs.AI 收录论文《MORE：面向自进化智能体的模式优化推理与自适应计算投入》。研究者提出 MORE 自进化训练框架，采用两阶段训练，为每个任务自适应选择推理形式与计算投入。其中 Stage 2 使用 MATE-PPO，在生成的可验证任务流上进行自进化，无需依赖精选数据。实验显示，在编码、数学和通用推理基准上，MORE 在 3B 到 14B 的 Base 与 Coder 骨干模型上均稳定提升，且推理响应更短、准确率更高、耗时更少。目前该工作处于论文发布阶段，后续进展尚待披露。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
MORE 以 MATE-PPO 在生成任务流上自进化，3B–14B 骨干上准确率升、响应更短更省时。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIMORE：面向自进化智能体的模式优化推理与自适应计算投入
研究者提出 MORE 自进化训练框架，用两阶段训练为每个任务自适应选择推理形式与计算投入。Stage 2 以 MATE-PPO 在生成的可验证任务流上自进化，无需精选数据。在编码、数学和通用推理基准上，MORE 在 3B 到 14B 的 Base 与 Coder 骨干上稳定提升，推理响应更短、准确率更高且耗时更少。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。