热点事件持续更新
AdaC-GRPO：自适应课程学习攻克长程视觉数独
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv（Artificial Intelligence，一手报道）发表研究，提出AdaC-GRPO方法，针对长时序视觉数独难题中标准RLVR因近零成功率导致奖励稀疏的问题。研究者通过在线rollout准确率追踪模型的“Zone of Proximal Development”，动态构建训练批次，以自适应课程学习方式推进训练。这是目前该事件唯一报道，尚未见后续验证或对比结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
arXiv新研究提出AdaC-GRPO，用在线rollout追踪ZPD动态构建批次，缓解视觉数独中RLVR奖励稀疏问题。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Artificial IntelligenceAdaC-GRPO：通过自适应课程学习攻克长时序视觉数独难题
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。