arXiv · ML· Tomas Duncun, Jonah Ellison, Owen Pell, Mateo Ruiz, Hanae Fujita, Ingrid Solberg, Caleb Nguyen·· 7 小时前AI 评分24
RIDGE：用于零方差Web演化的脊跟踪高斯采样方法
Follow the Mixed Groups: Ridge-Tracking Gaussian Sampling for Zero-Variance Web Rollouts
AI 导读
RIDGE方法通过保留Beta后验并调整高斯近似目标，优化了Group Relative Policy Optimization在Web任务中的采样效率。 该方法在两个数学主干和检索增强问答任务中，较GRPO平均准确率分别提升3.4和2.9个百分点，较动态采样减少29.6%的数学演化和32.7%的工具调用。
来源：arXiv · ML · arxiv.org