跳到正文
arXiv · AI· Yongqiang Yao, Jinru Tan, Kaihuan Liang, Zixin Yin, Yazhe Niu, Ruihao Gong, Dahua Lin, Ningyi Xu·· 2026-10-08AI 评分27

RollVerify:桥接长尾Rollout强化学习中的效率与准确性

RollVerify: Bridging Efficiency and Accuracy in Long-Tail Rollout Reinforcement Learning

AI 导读

summary_zh: RollVerify 提出一种基于部分 rollout 的轻量级强化学习框架,通过验证和修复样本保护模型精度。 该框架引入偏移策略移位指标 OPS,在序列和令牌级别识别并截断无效后缀,实现接近 on-policy 训练的准确性并降低训练成本。

来源:arXiv · AI · arxiv.org