⌘ K
… 读取采集状态 同步中...
雷
原文
新智元· 新智元·· 19 天前AI 评分36

北大开源 DataFlex-RL 框架:简化强化学习数据策略接入

日榜第二!北大开源,强化学习数据策略接入更简单、对比更公平

AI 导读

北大 DCAI 团队联合多方最新开源 DataFlex-RL,该框架复用 verl 训练流程,通过可配置组件实现数据选择、样本重加权和领域配比的动态调整。论文完成 591 次实验,结果显示 Qwen2.5-7B-base 模型经标准 GRPO 训练后平均提升 7.76 个百分点。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:新智元 · mp.weixin.qq.com