ExpDis框架解耦RLVR探索与优化
热点事件持续更新
ExpDis框架解耦RLVR探索与优化
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者提出 Exploration-Distillation（ExpDis）框架，将 RLVR 中的探索与优化解耦：先用带新颖性奖励的 explorer 策略采样轨迹，经正确性与质量过滤后蒸馏到独立的 student 策略，student 训练时不加新颖性奖励，并多轮交替进行。 该框架由 Saif Punjwani 等作者提出并验证，相关论文发布于 arXiv cs.CL。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
ExpDis：将探索与优化解耦的 RLVR 新框架报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CLExpDis：将探索与优化解耦的 RLVR 新框架
研究者提出 Exploration-Distillation（ExpDis）框架，将 RLVR 中的探索与优化解耦：先用带新颖性奖励的 explorer 策略采样轨迹，经正确性与质量过滤后蒸馏到独立 student 策略，student 训练时不加新颖性奖励，并多轮交替进行。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。