arXiv Artificial Intelligence· Amit Sagtani, Saloni Garg·2026-11-06 13:00· 2 天前AI 评分34

研究：验证器强化学习在监督微调之外还能带来多少增益

Measuring the Marginal Value of Verifier-Based RL Beyond Supervised Fine-Tuning

AI 导读

研究团队构建 gpu-train-debug 基准，含 1,877 个合成 GPU 与 LLM 训练故障诊断任务、30 类原型，由程序化验证器带部分给分。