0%

Score Centering 复现尝试

我看到 verl 最近的 PR 加入了 score centering 的实现,正在尝试复现。🫡

我的配置仓库在 GitHub 上,我的各指标/日志在 SwanLab 上。

这里是我之前关于 SC 的笔记:BPO 与 Score Centering 笔记

已结束,模型记录在 huggingface。


使用模型:Qwen3-4B。

Qwen3-4B · SC+TIS

200–500 步:续训记录

续训记录

模型从第 200 步 checkpoint 恢复。

0–200 步

查看0–200步的历史曲线(已完成)

打开第一阶段的完整记录

Qwen3-4B · SC

20–500 步:续训记录

续训记录

0-20 步

纯SC的前 20 步。

查看 0–20 步的历史曲线(暂停)

打开纯SC第一阶段记录

Qwen3-4B · TIS

0–500 步

实验记录