arXiv · ML· Bangji Yang, Jiajun Fan, Hongbo Ma, Ruihan Guo, Ge Liu·· 2026-10-07AI 评分23
SURGE 证明扩展强化学习训练并非提升推理能力的唯一路径
Does Scaling Reinforcement Learning Really Require More Training?
AI 导读
SURGE 通过融合强化学习检查点实现策略空间扩展,无需增加训练或推理算力。 该方法在 1.5B 和 7B 模型上将 AIME24 提升至 54.17%,HumanEval+ 达到 83.7%。 研究证实已完成的强化学习历史是可复用的扩展资源。
来源:arXiv · ML · arxiv.org