arXiv · ML· Tomas Duncun, Jonah Ellison, Mateo Ruiz, Hanae Fujita, Ingrid Solberg·· 21 小时前AI 评分25
FADE: 基于因子化能力-难度筛选的在线 RLVR 调度
FADE: Factored Ability--Difficulty Filtering for Online RLVR Scheduling
AI 导读
提出 FADE 滤波器，分离策略能力与题目难度双时间尺度，提升 RLVR 调度效率。 采用双线性状态空间模型，通过 Pólya-Gamma 增强实现闭式更新，降低非退化 rollout 概率。 在五个推理基准测试中，FADE 一致提升下游准确性与校准，每步增加耗时低于 0.6ms。
来源：arXiv · ML · arxiv.org