Skip to content
Hot eventLive

AdaC-GRPO：自适应课程学习攻克长程视觉数独

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 12
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。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Artificial Intelligence
    AdaC-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。

Heat trend

There is not enough continuous observation data to draw a trend yet.