跳到正文
arXiv · AI· Jiahua Yang, Zhiwei Yang, Xianpeng Zhang, Dongyu Chen, Xing Chen, Tianhuang Su, Haonan Lu, Quanlong Guan, Kai Tang, Chuangchuang Wang·· 2026-10-06AI 评分23

FastRL:面向 GRPO 的差分感知优势剪枝与自适应 Rollout 采样

Learn from the Gap: Differential-Aware Advantage Pruning with Adaptive Rollout Sampling for GRPO

AI 导读

FastRL 框架通过优势感知剪枝与自适应 rollout 采样机制,提升 GRPO 变体的训练效率。在 Geometry3K 和 GeoQA8K-R1V 上实现 2.07 倍训练加速,视觉推理平均准确率提升约 1.64%。该论文已被 NeurIPS 2026 接收。

来源:arXiv · AI · arxiv.org