★ 2
研究审计 RLVR 数学语料去污染策略可靠性
论文审计 16 个开源 RLVR 数学语料（167 万条训练样本）与 6 个基准的重叠清洗策略，发现余弦阈值 0.80 下 88% 的删除为误删。现有 judge 裁定策略在留出集上达 98.1% 精确率，作者公开标注与逐策略决策以支持清洗可靠性评估。
arXiv NLP17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文审计 16 个开源 RLVR 数学语料（167 万条训练样本）与 6 个基准的重叠清洗策略，发现余弦阈值 0.80 下 88% 的删除为误删。现有 judge 裁定策略在留出集上达 98.1% 精确率，作者公开标注与逐策略决策以支持清洗可靠性评估。