arXiv · AI· Jiahao Wu, Ning Lu, Shengcai Liu, Kun Wang, Yanting Yang, Baijiong Lin, Chen Jason Zhang, Li Qing, Ke Tang·· 8 小时前AI 评分27
HIVE 框架：通过在线验证提示词选择实现大型推理模型的高效 RL 训练
Train at Moving Edge: Online-Verified Prompt Selection for Efficient RL Training of Large Reasoning Model
AI 导读
HIVE 提出一种双阶段提示词选择框架，利用历史轨迹粗筛与提示词熵实时剪枝，在数学推理任务中显著提升 RL 训练效率。 该方法基于“学习边缘”假设，动态剔除低效用样本，解决了 GRPO 等算法中因大量无效提示词导致的计算开销问题。 实验表明 HIVE 在保持性能的同时实现了显著的 rollout 效率提升，该成果已被 NeurIPS 2026 接收。
来源：arXiv · AI · arxiv.org