论文提出 Effective Entropy：用有效性感知熵修正 RLVR 探索多样性
做 RLVR 训练的人该看看这篇。它指出 token 熵高其实是模型在乱说话，不是在探索，然后给了 VEPO 这个修法，在 MATH500 等六个数学基准上比 GRPO 准确率更高，还用统计检验验证了策略确实更多样。
#DeepSeek-R1-Distill-Qwen
共 2 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「DeepSeek-R1-Distill-Qwen」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
9月17日
一种针对大推理模型的剪枝方法 OBC-Prune
这个论文提出的方法 OBC-Prune，能更精准地识别出对推理过程至关重要的句子，从而在剪枝时保留这些关键部分，提升模型推理质量。