DyJR：动态JS回放保持RL多样性

研究者 Long Li 等人提出动态 Jensen-Shannon 回放（DyJR），用于解决 GRPO 等 on-policy 算法丢弃历史 rollout 带来的样本效率低、策略过度集中于单一解的问题。 DyJR 是一个正则化框架，使用来自近期轨迹的动态参考分布。研究者称其简单且有效。 该工作发布于 arXiv cs.AI，目前为预印本，尚未见同行评审或独立复现结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。