arXiv · AI· Jinkun Hou, Zhuo Liu, Huimin Ren, Kuan Zhang, Zirong Chen, Hongsheng Xin, Pan Zhou, Kun Zhan·· 3 天前AI 评分35
RISE-RL 提出通过选择性探索解决开放式强化学习中的多维权衡问题
RISE-RL: Rubric-Informed Selective Exploration for Open-Ended Reinforcement Learning
AI 导读
RISE-RL 在 4B 和 14B 模型实验中取得无引导评估最高分,平均分别比 Rubric-RL 高 1.3 点和 3.3 点,创意写作提升 6.0 点。 该方法利用未满足的评分标准筛选特权轨迹,通过辅助目标优化引导信号,并在收益减弱时移除。
来源:arXiv · AI · arxiv.org