跳到正文
arXiv · AI· Yifan Wang, Bolian Li, David Cho, Ruqi Zhang, Fanping Sui, Ananth Grama·· 3 天前AI 评分41

SARL:通过奖励推理拓扑实现无标签强化学习

SARL: Label-Free Reinforcement Learning by Rewarding Reasoning Topology

AI 导读

论文提出SARL无标签强化学习框架,通过奖励推理拓扑结构替代结果验证。在可验证数学任务中,SARL在AIME25上通过GRPO算法提升44.7%;在开放任务中,WildBench平均分提升30.4%。该框架代码和数据已开源。 ```

来源:arXiv · AI · arxiv.org