arXiv cs.AI· Hanyu Wang, Nakul Agarwal, Hossein Nourkhiz Mahjoub, Ehsan Moradi Pari, Makoto Fukushima, Jinghui Chen, Vaishnav Tadiparthi·· 3 小时前AI 评分22
推理强化学习轨迹采样中如何平衡参考引导与自由生成：ARG 方法
Balancing Reference Guidance and Free Generation in Trajectory Rollouts for Reasoning RL
AI 导读
研究提出 Adaptive Reference Guidance（ARG），通过前缀续写与验证回退机制，在固定生成预算内构造正确轨迹，并应用于 GRPO 的全失败组。
来源：arXiv cs.AI · arxiv.org