arXiv cs.AI / cs.LG 最新· Shurun Li·· 14 小时前精选AI 评分65
arXiv 论文提出 GRPO 强验证审计预算分配方法 LB，可将奖励作弊压至接近零
Audit Where Hacks Pay: Budgeted Strong-Verifier Audits Against Reward Hacking in GRPO
AI 导读
arXiv 论文研究在 GRPO 中如何分配有限的强验证器预算，把「审计哪些弱通过的 rollout」和「被抓作弊者给什么奖励」分开设计。作者提出的低通过数优先审计（LB）在同一惩罚和预算下把 LeetCode 与 Countdown-Code 中的作弊率压到接近零，而随机审计做不到且消耗更多标签。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
推荐理由
训练 GRPO 的团队可用低通过数优先的审计策略替换随机审计，在相同强验证预算下降低作弊并通过标签成本判断是否可落地。
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。