arXiv · ML· Liang Xu, Shufan Shen, Zhongni Hou, Chao Bi, Yufei Zhang, Wei Lin, Guojun Yin, Shuhui Wang·· 7 小时前AI 评分23
PGB 课程强化学习：基于梯度聚类的样本分组预测方法
Predictive Bandit Curriculum Reinforcement Learning via Gradient-Based Sample Group Discovery
AI 导读
PGB 课程强化学习提出基于投影梯度聚类的样本分组预测方法，提升训练效率。 该方法通过 Boltzmann 采样分布实现自适应数据分配，并在多个基准测试中优于标准 GRPO。 实验结果证明其在不同模型规模和推理任务中均提高了数据利用率。
来源：arXiv · ML · arxiv.org