实体 SIGNBALANCE

SIGNBALANCE

PulseAugur coverage of SIGNBALANCE — every cluster mentioning SIGNBALANCE 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_235411 · Sep 4 · 04:00

新的SIGNBALANCE方法纠正了GRPO在强化学习中的“虚假优势”

一篇新研究论文介绍了一种名为SIGNBALANCE的方法，旨在解决强化学习中Group Relative Policy Optimization (GRPO)的“虚假优势”问题。该问题导致GRPO错误地奖励猜测行为，尤其是在具有有限答案集或搜索代理的任务中。SIGNBALANCE旨在通过使用保留验证器符号的无组合幅度、采用全局尺度以及使用stop-gradient重新平衡每个类别来缓解这一问题。在数学和搜索代理基准测试上的实验表明，S…