研究人员引入了相对惊奇度指数 (RSI)，这是大型语言模型中用于可验证奖励强化学习 (RLVR) 的一项新指标。RSI 旨在通过同时考虑 Token 熵和概率来调和 RLVR 中的冲突方法。提出的 RSI 选择 (RSI-S) 方法在稳定的 RSI 区间内过滤 Token，去除冗余和不稳定的 Token。实证结果表明，RSI-S 在各种 Qwen2.5 模型规模的 AIME 和 AMC 等基准测试中提高了准确性。 AI
影响 引入了一种新颖的指标和过滤方法，可以提高 RLVR 应用中 LLM 的推理能力。
排序理由 该集群包含一篇学术论文，详细介绍了一种用于提高 LLM 推理能力的新指标和方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.31575v1 Announce Type: new Abstract: Reinforcement learning (RL) has become a powerful tool for propelling Large Language Models (LLMs) beyond imitation-based training towards more robust reasoning capabilities. Among existing approaches, RL with Verifiable Rewards (RL…
Reinforcement learning (RL) has become a powerful tool for propelling Large Language Models (LLMs) beyond imitation-based training towards more robust reasoning capabilities. Among existing approaches, RL with Verifiable Rewards (RLVR) has emerged as a pivotal paradigm for advanc…