[控场AI]
基准max@k

max@k

优化目标,指k个样本中最佳样本的奖励或得分,鼓励模型保留多样化的高奖励路径

时间轴 (近 90 天)

11月3日

重复采样类目标(如 pass@k、max@k)能够缓解锐化,但背后的机制长期缺乏清晰解释。

待验证50%
11月3日

该研究推导出了 KL 正则化下 pass@k 与 max@k 目标的最优策略闭式解,表明 @k 优化本质上是在按题目难度重新分配学习压力,把优化重心从简单题转向难题。

待验证50%

全部知识事实 (2)

来源文章