11:43
官方账号arXiv cs.AI@Zhizhao Liu, Zhiliang Tian, Xi Wang, Zhihua Wen, Yihang Xiong, Zhiquan Lai, Dongsheng Li
推荐理由：论文提出了一种即插即用的图结构难度估计器，能智能分配探索资源，让RLVR更高效。
难度估计
共 1 条相关 AI 资讯
8月19日
11:43
研究人员提出了一种基于图的在线难度估计器，用于优化强化学习可验证奖励(RLVR)的调度效率。该框架通过构建语义和推理相似性的样本图，使用Potts先验和Beta-Binomial模型聚合rollout结果。实验表明，该方法在多个基础模型、RL调度器和基准测试中实现了更好的性能，无需专门的探测即可缓解冷启动和反馈过时问题。