Prefix Sampling

新的强化学习方法通过控制rollout通过率来优化智能体训练

研究人员开发了一种名为前缀采样（PS）的新技术，以提高AI智能体强化学习（RL）的效率。该方法通过将rollout组引导至50%的通过率来解决因通过率倾斜而浪费计算资源的问题，从而最大化奖励熵和对比信号。在SWE-bench任务上，PS在Qwen3-14B上实现了2.01倍的速度提升，在Qwen3-32B上实现了1.55倍的速度提升，同时还提高了验证性能。