实体 Offline RLVR

Offline RLVR

PulseAugur coverage of Offline RLVR — every cluster mentioning Offline RLVR 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_341981 · Nov 5 · 05:00

新的 GIST 方法通过选择信息性数据来增强离线 RLVR

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 …