待验证50% 置信事实精确时间

研究者将Edu-QuRater分数用作GRPO后训练的奖励项，实验以Qwen3-4B作为基础模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Edu-QuRating：多维度教育数据筛选如何提升LLM训练质量

涉及实体

Edu-QuRatingconcept GRPOconcept Qwen3-4Bmodel

相关事实

待验证2020年OpenAI的Kaplan等人论文首次系统证明神经网络性能与模型参数量、训练数据量、计算量之间存在幂律关系59% 相似待验证Qwen系列模型由阿里巴巴通义实验室开发56% 相似待验证2016年Ho和Ermon提出生成式对抗模仿学习（GAIL），将GAN思想引入模仿学习框架，通过判别器区分专家轨迹与学习者轨迹隐式推断奖励函数56% 相似待验证Gu等人在2021年的HiPPO和S4工作中将状态空间模型引入深度学习，开创了结构化状态空间模型研究方向56% 相似待验证Alain 和 Bengio 在 2016 年发现在深度神经网络中间层激活上训练线性分类器就能解码高层概念56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893232

API

curl https://kongchang.com/api/v1/knowledge/claims/893232

MCP

get_claim(id=893232)