arXiv cs.AI / cs.LG 最新· Hanane Nour Moussa·· 5 天前AI 评分49
EliteReplay：用质量-多样性搜索在 RL 后训练中保留多样化解法
EliteReplay: Preserving Diverse Solutions in RL Post-Training via Quality-Diversity Search
AI 导读
EliteReplay 是一种把 GRPO 与质量-多样性搜索构建的“精英”档案结合的后训练方案：训练前用冻结基座模型收集覆盖不同解法的答案，训练中在 GRPO 上叠加该档案的重放损失，从而在提升准确率的同时保留基座模型的解法多样性。
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。