跳到正文
机器之心·· 2026-10-18AI 评分44

EMNLP 2026 论文 SPADER:通过步骤级 GRPO 与多样性奖励优化多答案问答

EMNLP 2026 Main|浙大&北大团队提出SPADER:用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索

AI 导读

浙大与北大团队提出 SPADER,将 GRPO 优势细化至步骤级并引入多样性奖励,在 Llama3.1-8B 和 Qwen3-8B 上显著提升多答案问答召回率。 框架包含逐步同伴优势与双轴探索奖励,解决长尾实体探索不足问题;在 QAMPARI 等四个基准上 F1 成绩全面领先基线方法。

来源:机器之心 · mp.weixin.qq.com