实体 Info-GRPO

Info-GRPO

PulseAugur coverage of Info-GRPO — every cluster mentioning Info-GRPO across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_324557 · Oct 27 · 04:00

新 Info-GRPO 框架增强 AI 长期推理能力

研究人员开发了 Info-GRPO，这是一个信息论框架，旨在通过相对策略优化 (GRPO) 训练的 AI 模型中改进长期推理。该新方法通过培养策略与潜在先验之间的相关性来解决策略崩溃问题，从而引导跨整个推理链的探索，而不是依赖于每个 token 的随机性。实验表明，Info-GRPO 在各种推理基准测试中均优于 vanilla GRPO 和熵正则化 GRPO，在样本量显著减少的情况下实现了更高的准确性。