IXThinker·2026-09-25 13:30

北大開源強化學習數據策略框架

每一輪強化學習到底該把哪些數據交給模型？隨著推理模型與RLVR的發展，這個問題愈發關鍵。北京大學團隊開源新的數據策略框架，讓不同方法的接入更簡單、對比更公平，登上相關日榜第二。

數據要動態調

一道題可能起初很難，訓練一段時間後卻能穩定答對。哪些數據該繼續保留、學習權重與領域配比如何調整，都需要結合模型的實時訓練狀態重新考慮，靜態配置難以適應。