🚀 روش جدید RLEP:

آموزش مدل‌های زبانی بزرگ (LLM) با روش‌های تقویتی (RL) معمولاً ناپایدار و پرهزینه است؛ درست مثل کوهنوردی که تا نیمه راه می‌رود اما خسته می‌شود و دوباره باید از صفر شروع کند!

این مقاله روشی به نام RLEP را معرفی می‌کند که این مشکل را حل کرده است. ایده ساده اما قدرتمند است: ۱. جمع‌آوری: ابتدا مدل تلاش می‌کند و مسیرهای رسیدن به پاسخ "صحیح" را ذخیره می‌کند. ۲. بازپخش (Replay): در آموزش‌های بعدی، مدل این تجربه‌های موفق قبلی را با تلاش‌های جدید ترکیب می‌کند.

✅ نتیجه؟ مدل دیگر وقتش را برای کشف مسیرهای بی‌فایده تلف نمی‌کند، یادگیری‌اش پایدارتر می‌شود و در حل مسائل پیچیده ریاضی (روی مدل Qwen2.5) رکوردها را جابه‌جا کرده است.

🔗 اطلاعات بیشتر به لینک زیر مراجعه کنید:
https://arxiv.org/pdf/2507.07451

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue