arXiv · NLP· Junxing Hu, Zicheng Zhang, Zhiqian Zhang, Ai Han, Yifeng Zhang, Pengzhang Liu, Ling Li·· 3 小时前AI 评分42
Info-GRPO：基于相关性探索的长轨迹推理优化框架
Correlation-Aware Exploration for Long-Trace Reasoning
AI 导读
Info-GRPO 提出信息论框架解决 GRPO 训练中的策略崩溃与熵衰减冲突，通过潜变量相关探索实现多样性。 该框架利用潜种子增强提示以探索多样化策略，在 AIME24 上 Avg@8 较 GRPO 提升 3.75% 至 4.17%。 代码和模型将公开发布，该研究已被 NeurIPS 2026 LCFM 研讨会接收。
来源：arXiv · NLP · arxiv.org