arXiv cs.AI / cs.LG 最新· Jihao Huang·· 4 天前AI 评分46
MGE-PO：面向数学推理的熵感知信用分配方法
MGE-PO: Entropy-Aware Credit Assignment for Mathematical Reasoning
AI 导读
MGE-PO 提出四象限（4Q）优势塑形，用验证正确性决定修正项的符号、用 rollout 生成熵决定修正幅度，弥补 GRPO 对同组内同等奖励回答分配相同优势值的问题。
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。