arXiv · Artificial Intelligence· Sida Li, Yuanxin Liu, Linli Yao, Shicheng Li, Xu Sun, Haoli Bai, Xiaohui Li·2026-10-12 12:00· 3 小时前AI 评分27

AdaC-GRPO：通过自适应课程学习攻克长时序视觉数独难题

AdaC-GRPO: Towards Mastering Long-Horizon Visual Sudoku Puzzles via Adaptive Curriculum Learning

AI 导读

研究者提出 AdaC-GRPO，通过在线 rollout 准确率追踪模型的"Zone of Proximal Development"动态构建训练批次，解决视觉数独中标准 RLVR 因近零成功率导致的奖励稀疏问题。