待验证50% 置信基准精确时间
在 Qwen3-4B-Base 上的复现实验显示 MCPO 相对 GRPO 同样有提升,三个种子全部为正,平均提升 4.75 分。
1
来源数
50%
置信度
长期有效
时效性
2026/11/11
首次发现
来源
涉及实体
相关事实
待验证在每步生成预算匹配的条件下,FOCUS 在 Qwen3.5-9B 规模上于 BrowseComp-Plus 基准比最强基线(GRPO/VinePPO 中较高者)提升 7.2 个百分点,达到 55.4 对 48.2。65% 相似待验证在Qwen3.5-2B模型上,GAD-RL在CHAOS-Bench取得59.92%的Micro Recall,分别比GRPO和固定权重的GRPO+OPD高出8.45和4.43个百分点64% 相似待验证在Qwen3-VL系列模型(从2B到30B-A3B)以及InternVL3.5-8B上,SPLIT-RL相比标准GRPO平均准确率提升了1.4到6.1个百分点64% 相似待验证Osprey在Qwen3-8B上平均接受长度提升16.1%63% 相似待验证三级缓存使Q4权重下生成速度从每秒1.83个token提升到8.89个,提升接近5倍63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1157958API
curl https://kongchang.com/api/v1/knowledge/claims/1157958MCP
get_claim(id=1157958)