arXiv cs.AI / cs.LG 最新· Sohyun Son·· 23 小时前AI 评分50
RoAR：为 GRPO 加入 rollout 一致性奖励以提升推理
Improving Reasoning with Rollout Agreement for Group-Based Policy Optimization
AI 导读
研究提出 RoAR（Rollout-Agreement Reward），在 GRPO 对已验证正确 rollout 的奖励中加入推理层一致性信号，无需人工撰写理由、额外采样或单独训练过程评估器。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。