CCTest · Blog
SAF-OPD:让强化学习与在线蒸馏更稳定地合流
强化学习
cctest.ai
强化学习

SAF-OPD:让强化学习与在线蒸馏更稳定地合流

SAF-OPD 关注一个训练大模型时常见但容易被低估的问题:可验证奖励强化学习与在线蒸馏各有优势,简单相加却可能让训练提前失去探索能力。论文提出的 SAF 通过调节教师信号的强度与时机,在数学推理和代码生成任务中带来更稳定的收益。

阅读全文
CCTest · Blog
SULAND v2:面向无人机/无人车地雷识别的RGB数据集与域外评测基准
模型评测
cctest.ai
模型评测

SULAND v2:面向无人机/无人车地雷识别的RGB数据集与域外评测基准

SULAND v2 对原有 RGB 地表地雷数据集进行逐帧审校,修复标注缺失、框定位错误和 OOD 类别 ID 反转等问题,并给出跨架构检测器基准。研究显示,IID 高分并不能直接代表模型可用于真实排雷辅助场景。

阅读全文