实体 Policy LMs

Policy LMs

PulseAugur coverage of Policy LMs — every cluster mentioning Policy LMs 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_341153 · Nov 3 · 12:29

密度感知奖励缩放增强了强化学习结果的多样性

研究人员开发了一种新的强化学习机制——密度感知奖励缩放（DARS），该机制解决了奖励目标将概率质量集中在少数高奖励结果上的问题。DARS 估计结果的局部密度，并根据该密度反向缩放奖励，从而在不需要额外的学习模型或目标的情况下促进奖励比例采样。实验表明，DARS-GRPO 在多模态导航和文本到图像生成任务中提高了结果的多样性，同时保持了语义一致性。