English(EN) GIST: Gibbs-Targeted Hierarchical Data Selection for Offline RLVR

新的 GIST 方法通过选择信息性数据来增强离线 RLVR

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

研究人员开发了 GIST（Gibbs-Targeted Hierarchical Data Selection），一种用于改进具有可验证奖励（RLVR）的离线强化学习的新方法。GIST 侧重于在训练过程中选择更具信息量的响应和 token，而不是监督每个响应的每个部分。该方法使用 KL 散度分析策略与其目标之间的不匹配，识别出哪些正确和不正确的响应，以及其中哪些特定的 token 对学习最关键。当应用于 GSM8K、MATH-500 和 MBPP 等基准测试时，GIST 在减少监督 token 的数量的同时，显著提高了多种模型的准确性。 AI

影响该方法可以通过专注于最具影响力的数据来提高 AI 模型的训练效率，从而可能降低计算成本并提高在复杂任务上的性能。

排序理由该集群包含一篇详细介绍离线强化学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 27 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍离线强化学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xuliang Huang, Tianxiang Zhao, Chengwei Qin, Yao Shu · 2026-11-05 05:00

GIST：用于离线 RLVR 的 Gibbs 目标分层数据选择

arXiv:2611.06395v1 Announce Type: new Abstract: Offline reinforcement learning with verifiable rewards (RLVR) trains on a fixed pool of sampled responses and typically supervises every token of every response, although responses and tokens are not equally informative. We study wh…

本文如何被排名

报道来源 [1]

GIST：用于离线 RLVR 的 Gibbs 目标分层数据选择

相关实体

相关话题