Fast Data Mixture Optimization via Gradient Descent
Haoru Tan · Sitong Wu · Yanfeng Chen · Jun Xia · Ruobing Xie · Bin Xia · Samm Sun · XIAOJUAN QI
首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Haoru Tan · Sitong Wu · Yanfeng Chen · Jun Xia · Ruobing Xie · Bin Xia · Samm Sun · XIAOJUAN QI
Sitong Wu · Haoru Tan · Bin Xia · Xichen Zhang · Jingyao Li · Shaofeng Zhang · XIAOJUAN QI · Bei Yu · Jiaya Jia
Jiehui Huang · Yuechen Zhang · Xu He · Yuan Gao · Zhi Cen · Bin Xia · Yan Zhou · Xin Tao · Pengfei Wan · Jiaya Jia
Bin Xia · Bohao PENG · Yuechen Zhang · Junjia Huang · Jiyang Liu · Jingyao Li · Haoru Tan · Sitong Wu · Chengyao Wang · Yitong Wang · Bei Yu · Jiaya Jia
Junjia Huang · Binbin Yang · Pengxiang Yan · Jiyang Liu · Bin Xia · Zhao Wang · Yitong Wang · Liang Lin · Guanbin Li
Sitong Wu · Haoru Tan · Xichen Zhang · Bin Xia · Wenhu Zhang · XIAOJUAN QI · Bei Yu · Jiaya Jia
Reinforcement Learning (RL) with sparse outcome rewards suffers from inefficient credit assignment in complex LLM reasoning tasks. While utilizing stronger LLMs as teachers to derive dense token-level supervision offers a cost-effective alternative to proprietary reward models, it relies on the f...