Bilanz der Quelle: Eine Kontrollstudie zeigt, dass GRPO bei gleichem Baseline und Rollout-Budget um 10,9 Punkte besser abschneidet als Rejection-Sampling-Fine-Tuning. Dies gilt selbst dann, wenn die Vergleichsmethode einen 27-Lauf-Tuning-Sweep erhält.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
