DataFlex-RL: An Evaluation Platform for RLVR Data Policies

• 类型：arxiv
• 标识：2609.06107
• 链接：https://arxiv.org/abs/2609.06107
• 主分类：evaluation
• 形态：benchmark
• 被引：2
• 被引来源：Semantic Scholar
• S2被引：2
• OpenAlex被引：0
• 影响力被引：0
• TLDR：DataFlex-RL, an evaluation platform for comparing choices under a common GRPO recipe, is introduced, finding that changing the data policy measurably changes the training process but does not produce a reproducible improvement over uniform training.
• OpenAlex ID：W7212080076
• OpenAlex DOI：10.48550/arxiv.2609.06107
• DOI：10.48550/arxiv.2609.06107
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.06107
• OpenAlex更新：2026-09-15
• 待LLM分类：否
• 标题中文：DataFlex-RL：面向 RLVR 数据策略的评测平台
• TLDR中文：提出了 DataFlex-RL，一个在统一 GRPO 方案下比较数据策略的评测平台；研究发现，改变数据策略会显著影响训练过程，但相对于均匀训练并未带来可复现的提升。
• 副分类：engineering
• 来源文件：
• /inbox/tom/_candidates/2026-09-14-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]