UNA NUEVA PERSPECTIVA

LATIDIA

Preparando tu experiencia…

Tu lugar en este universo.

Con tu autorización. Las coordenadas se muestran sólo en esta página y no se guardan.

CONECTANDO FUENTES
← Actualidad

LATIDIA · Investigación

AdaC-GRPO: Hacia el dominio de los rompecabezas de sudoku visual de largo horizonte a través del aprendizaje curricular adaptativo

arXiv: 2610.13184v1Tipo de anuncio: nuevo Resumen: Si bien el aprendizaje por refuerzo con recompensa verificable (RLVR) mejora el razonamiento en modelos de lenguaje grandes, su eficacia en tareas multimodales de largo horizonte sigue siendo poco explorada.

WhatsApp ↗Telegram ↗
Ilustración editorial relacionada con AdaC-GRPO: Hacia el dominio de los rompecabezas de sudoku visual de largo horizonte a través del aprendizaje curricular adaptativo
Ilustración conceptual de LATIDIA.

La noticia

arXiv:2610.13184v1 Announce Type: new Abstract: While reinforcement learning with verifiable reward (RLVR) enhances reasoning in large language models, its efficacy in long-horizon multimodal tasks remains underexplored. Visual Sudoku puzzles pose a representative challenge, requiring multi-step deductive reasoning over both local constraints and global dependency chains. To this end, we introduce FG-Sudoku, a fine-grained benchmark categorized by grid size and required deductive steps. Evaluations reveal that frontier MLLMs fail on complex long-range dependencies (e.g., 9*9 puzzles). During post-training, this near-zero success rate causes severe reward sparsity, halting standard RLVR. We propose Adaptive Curriculum Group Relative Policy Optimization (AdaC-GRPO) to overcome this. Unlike rigid or prior-based schedules, AdaC-GRPO dynamically constructs training batches

← Volver a los modelos

Cargando ficha del modelo…

LATIDIA / lectura con contexto