待验证50% 置信基准精确时间
在BrowseComp-Plus上，归因引导的PPO比仅使用结果奖励的PPO高出4.1个百分点。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证VASPO 在 Qwen3-4B 上相比 PPO 平均准确率提升 2.59 个百分点，在 OLMo3-7B 上提升 1.81 个百分点。64% 相似待验证PiPMRE在两个公开数据集上准确率相比此前最优方法平均提升4.4个百分点59% 相似待验证在数学任务的avg@16指标上，BranchOPD比Vanilla OPD提升18.55个百分点58% 相似待验证用非重叠锚点重新评估后，净优势反而从+4.1pp增大到+5.5pp，但显著性从2.4个标准误降至1.4个标准误；膨胀因子约2.4倍，恰好等于sqrt(912/163)。57% 相似待验证NVFP4量化方案相比BF16基线实现了1.5倍的推理加速，同时在top-1准确率上保留了92%到97%的水平56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073980API
curl https://kongchang.com/api/v1/knowledge/claims/1073980MCP
get_claim(id=1073980)