arXiv · AI· Chanuk Lee, Sangwoo Park, Minki Kang, Sung Ju Hwang·· 2026-10-06AI 评分23
NudgeRL:面向 RLVR 的策略引导高效探索框架
Nudging Beyond the Comfort Zone: Efficient Strategy-Guided Exploration for RLVR
AI 导读
研究者提出 NudgeRL,通过 Strategy Nudging 为每次 rollout 注入轻量策略级上下文,在五个数学推理基准上以 8 次 rollout 追平 32 次 rollout 的最强 GRPO 基线。 该方法将优势分解为上下文间与上下文内两项,并加入策略校正项把探索到的行为迁移回基础策略,总 token 用量减少约 5 倍、训练算力减少 2.9 倍。 代码已开源。
来源:arXiv · AI · arxiv.org