实体 MART-GRPO

MART-GRPO

PulseAugur coverage of MART-GRPO — every cluster mentioning MART-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_321723 · Oct 26 · 04:00

Martingale GRPO 通过优化动作惩罚来增强视觉语言模型强化学习

研究人员开发了 Martingale GRPO (MART-GRPO)，这是一种新颖的强化学习技术，旨在提高视觉语言模型 (VLM) 训练的效率。与将单一优势分数分配给轨迹中所有动作的传统 GRPO 方法不同，MART-GRPO 通过识别失败反馈的最佳停止点来选择性地惩罚动作。这种方法可以防止有用的恢复动作与错误一起被惩罚。在 RoboTwin 2.0 平台上使用 OpenVLA-OFT 模型进行的实验表明，与标准 GRPO 相比，M…