arXiv · NLP· Xin Xu, Clive Bai, Kai Yang, Tianhao Chen, Cai Yuchen, Yangkun Chen, Weijie Liu, Hao Chen, Yang Wang, Saiyong Yang, Can Yang·· 2026-10-16AI 评分32
Composition-RL:通过组合可验证提示词优化大语言模型强化学习
Composition-RL: Compose Your Verifiable Prompts for Reinforcement Learning of Large Language Models
AI 导读
研究人员提出离线数据增强方法 Composition-RL,通过组合现有提示词解决强化学习中易例占比过高的问题,避免修改优化器。 在 4B 至 30B 参数规模实验中,该方法持续提升推理能力;课程学习变体与跨域提示词组合进一步增强了模型性能。 论文完整代码、数据及模型已公开,该版本为 NeurIPS 2026 接收稿。
来源:arXiv · NLP · arxiv.org