跳到正文
arXiv · ML· Qiaoman Zhang, Shunhua Min, Xiang He, Zhenghan Zhang, Yuting Zhang, Guangxian Li, Yunzhu Kuang, Rui Jiang, Jingyan Zhang, Chaoyue Li, Jiayu Ding·· 7 天前AI 评分33

TIDE 通过熵门控有界偏差实现 token 级信用分配

TIDE: Token-Level Credit Assignment via Entropy-Gated Bounded Deviation

AI 导读

论文提出无 critic 强化学习框架 TIDE,将分布偏差重构为指导信号,用有界 Hellinger 距离替代反向 KL 散度。 框架引入熵门控机制按策略预测不确定性调节偏差,在 Qwen2.5-32B 基座上,TIDE 在 AIME 2024 和 2025 的 Avg@32 准确率分别为 60.0% 和 46.0%。

来源:arXiv · ML · arxiv.org