Noticias sobre DAPO

Un nuevo artículo de arXiv realiza un análisis teórico del muestreo dinámico en DAPO y descubre que, aunque su filtrado de respuestas correctas/incorrectas elimina los gradientes cero, no puede utilizar de manera efectiva muestras correctas en indicaciones difíciles. La ventaja de la amplificación asimétrica conduce a una disminución de la eficiencia del entrenamiento. Esto significa que la actual estrategia de muestreo convencional tiene un cuello de botella de eficiencia que se pasa por alto y requiere un diseño más detallado que tenga en cuenta las dificultades.