Bilanz der Quelle: Eine Studie zeigt, dass bereits wenige GRPO-Trainingsschritte Benchmark-Contamination in Reasoning-Modellen wirksam verbergen können, woraufhin zehn geprüfte Detektoren auf Zufallsniveau zurückfallen. Die Autoren führen dies auf Importance Sampling und Clipping im PPO-Ziel zurück, das auch andere RL-Verfahren teilen.
🔗 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.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
