arXiv · ML· Lei Jiang, Honghui Bao, Yue Zhou, Zhengyao Gu, Langzhou He, Natalie Parde·· 9 小时前AI 评分33
基于部分滚动输出的免训练提示词选择方法 LIFT
Training-Free Prompt Selection for Efficient Reinforcement Learning With Partial Rollouts
AI 导读
提出免训练选择器 LIFT，利用部分推理滚动输出高效筛选高价值提示词，降低 RLVR 数据选择成本。 LIFT 核心指标 PRCL 基于点wise V-信息，在 Qwen2.5-Math-1.5B 等模型上，仅需全量 token 的 26% 至 4.7% 即可保留 90% 至 95% 的评分。
来源：arXiv · ML · arxiv.org