实体 Reinforcement Learning from Verifiable Rewards (RLVR)

Reinforcement Learning from Verifiable Rewards (RLVR)

PulseAugur coverage of Reinforcement Learning from Verifiable Rewards (RLVR) — every cluster mentioning Reinforcement Learning from Verifiable Rewards (RLVR) across labs, papers, and developer communities, ranked by signal.

Show in brief

总计 · 30天

90 天内 1

发布 · 30天

90 天内 0

论文 · 30天

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_99600 · Jun 18 · 10:40

Lean Proof Assistant Enhances Reinforcement Learning for Theorem Proving

研究人员开发了一种使用强化学习进行定理证明的新颖方法，集成了 Lean 证明助手以提供详细的、经过验证的反馈。这种方法被称为过程验证强化学习（PVRL），它利用 Lean 提供的超越简单二元成功或失败的细粒度、策略级别信号。通过将这些结构化奖励纳入类似 GRPO 的目标，与仅基于结果的方法相比，该系统在 MiniF2F 和 ProofNet 等基准测试中表现出更高的性能。这项工作表明，符号证明助手可以在训练过程中充当过程级别的奖励预言…

Lean Proof Assistant Enhances Reinforcement Learning for Theorem Proving