arXiv · NLP· Xiaoqiang Wang, Ting-En Lin, Yuchuan Wu, Pinyi Zhang, Caixin Kang, Ling Li, Bingxue Qiu, Jieping Ye, Yongbin Li, Bang Liu·· 4 小时前AI 评分28
HarnessRL：面向开放式 RL 的即时训练框架
HarnessRL: Co-Evolving Policies with a Just-in-Time Training Harness for Open-Ended RL
AI 导读
summary_zh: HarnessRL 是一种随策略共同演化的训练时框架，用于解决基于量规的强化学习中奖励失效问题。 该框架通过任务采样、轨迹引导和量规标准三个接口进行即时优化，并在 Rubric-Mix-10k 数据集上比最强基线高出 2.8 至 3.1 分，同时将近似减少一半训练步数。
来源：arXiv · NLP · arxiv.org