关闭广告

香港科大:用"随机策略"训练AI数学推理,效果竟然超越复杂算法

科技行者1042人阅读


这项由香港科技大学潘凌教授团队联合快手科技、StepFun等机构共同完成的研究,发表于2025年9月29日的arXiv预印本平台(论文编号:arXiv:2509.24981v1)。研究团队提出了一种名为ROVER的全新AI训练方法,颠覆了人们对机器学习复杂性的认知。有兴趣深入了解技术细节的读者可以通过论文编号在arXiv平台查询完整论文。

当我们谈论训练AI解决数学问题时,大多数人可能会想象这需要极其复杂的算法和精密的计算。然而,香港科技大学的研究团队却发现了一个令人意外的现象:有时候,最简单的方法反而能产生最好的效果。这就像在烹饪界,有些大厨经过多年探索后发现,最朴素的食材搭配往往能烹制出最美味的佳肴一样。

目前,训练AI进行数学推理主要依赖一种叫做"强化学习"的技术。这种方法就像训练一个学生做数学题:先让学生尝试解题,如果答对了就给奖励,答错了就给惩罚,然后不断调整学生的解题策略。在AI领域,这种方法被称为PPO(Proximal Policy Optimization)或GRPO(Group-Relative Policy Optimization)等算法。

这

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

内塔尼亚胡计划全面占领加沙

澎湃新闻 浏览 1158

檀健次孟子义横扫奖项背后,95后已全面接管内娱

爆米花放映员 浏览 909

印尼爆发大规模抗议 当地华人:多位政要住宅被洗劫

封面新闻 浏览 1196

癌症晚期男子驾车撞死婆孙2人后病亡 法院判赔超200万

台州交通广播 浏览 932

南充一村庄挖出疑似"乌木" 有人欲运走被村民拦下

红星新闻 浏览 1177

海外记者:博塔弗戈边锋热菲尼奥即将租借至中国俱乐部

懂球帝 浏览 890

特朗普同意停火两周

极目新闻 浏览 813

以军称开始重新执行加沙停火协议

上观新闻 浏览 957

华为多款手机通过星闪认证,测试集含L2HC编解码等测试

IT之家 浏览 881

大S雕像揭幕仪式曝光,S妈具俊晔雨中挽手同行,前夫汪小菲未露面

扒虾侃娱 浏览 914

比亚迪方程豹豹5第八次OTA开启推送:新增哨兵模式等 13 项功能

IT之家 浏览 1139

好莱坞恶魔制片人被判146年 受害女警作证后意外身亡

大风新闻 浏览 994

特斯拉Q3销量首超梅赛德斯奔驰,一个时代终结了?

江瀚视野 浏览 1941

沪指低开0.28% 算力硬件方向领跌

网易财经 浏览 1134

图多尔:虽输给皇马但球队有战斗精神,将努力去赢得每一场比赛

懂球帝 浏览 997

从全球榜单看中国创新

海外网 浏览 903

乌称哈尔科夫遭俄袭击5死18伤

界面新闻 浏览 1076

小伙穿越鳌太线失联10天:进山那一刻 手机就没信号了

红星新闻 浏览 1464

高超精打、新型无人机等新型装备将在阅兵首次"亮相"

界面新闻 浏览 1192

男子将热水器钢管通电致妻子触电身亡 女儿向法院求情

红星新闻 浏览 978

勇敢的行动者:2024年度商业模式创新公司

21世纪商业评论 浏览 4685
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4