arXiv · ML· Qiyuan Huang, Tianshi Xu, Meng Li·· 2026-10-05AI 评分32
理解并防止 RLVR 中灾难性策略崩溃
All Work And No Play Makes Jack a Dull Boy: Understanding and Preventing Catastrophic Strategy Collapse in RLVR
AI 导读
研究指出,RLVR 中的 GRPO 算法会导致有效的推理策略容量收缩,引发灾难性崩溃。作者提出了轻量级在线预警指标 Mirrored Entanglement Index (MEI),并开发了 Mesh Learning 方法以防止单一策略主导优化。
来源:arXiv · ML · arxiv.org