TWICE方法提升问答性能
发生了什么
arXiv cs.LG发布研究，介绍TWICE双世界信用估计方法，通过复用采样噪声优化智能体强化学习，在问答基准上提升性能。该方法通过相同噪声、不同决策的对比，减少信用估计的偏差，并在七个问答基准上提升GRPO的精确匹配分数。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口
arXiv cs.LG发布研究，介绍TWICE双世界信用估计方法，通过复用采样噪声优化智能体强化学习，在问答基准上提升性能。该方法通过相同噪声、不同决策的对比，减少信用估计的偏差，并在七个问答基准上提升GRPO的精确匹配分数。
发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。