trajectory-exchange

标签

#trajectory-exchange

超越采样的学习：面向RLVR的离策略感知跨模型轨迹交换

Hugging Face Daily Papers ↗ · 昨天缓存

本文提出了GRAFT，一个用于可验证奖励强化学习（RLVR）的离策略感知框架，它用对等轨迹替换全部失败组，以提高数学推理基准的性能。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈