arXiv · AI· Bo Yang, Zishuai Zhang, Weihua Li, Qinnan Zhang, Sijia Wen, Hainan Zhang·· 5 小时前AI 评分31
Guided-RLVR：通过引导探索增强可验证奖励的强化学习
Guided-RLVR: Guided Exploration in Reinforcement Learning with Verifiable Rewards
AI 导读
针对RLVR rollout 坍缩至狭窄推理轨迹的问题，提出包含轻量控制器的Guided-RLVR。 控制器向采样分布注入语义引导token，鼓励模型从多角度接近问题。 在数学推理与代码生成基准上，该方法持续超越现有RLVR，生成更丰富的推理路径。
来源：arXiv · AI · arxiv.org