HuggingFace Daily Papers（社区热门论文）·· 3 天前AI 评分41
TGRL：用温度分组强化学习提升 LLM 探索效率
TGRL: Temperature-Grouped Reinforcement Learning for Efficient Exploration in LLMs
AI 导读
研究者提出 Temperature-Grouped Reinforcement Learning（TGRL），将温度带来的 rollout 多样性转化为显式训练信号：把同一 prompt 的 rollout 组分为低温和高温子集，用两组奖励差异估计探索增益，并借助 JS 散度将组级信号分配为 token 级信用。
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org