NeurIPS 2026 论文 HIVE 提出高效 RL 训练方法
热点事件持续更新
NeurIPS 2026 论文 HIVE 提出高效 RL 训练方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
HIVE 框架提出一种双阶段提示词选择方法，通过历史轨迹粗筛与提示词熵实时剪枝，在数学推理任务中显著提升大型推理模型的 RL 训练效率。 该方法基于“学习边缘”假设，动态剔除低效用样本，有效解决了 GRPO 等算法因处理大量无效提示词而导致的计算开销问题。 实验表明，HIVE 在保持模型性能的同时实现了显著的 rollout 效率提升，相关研究成果已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
HIVE 框架：通过在线验证提示词选择实现大型推理模型的高效 RL 训练报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · AIHIVE 框架：通过在线验证提示词选择实现大型推理模型的高效 RL 训练
HIVE 提出一种双阶段提示词选择框架，利用历史轨迹粗筛与提示词熵实时剪枝，在数学推理任务中显著提升 RL 训练效率。 该方法基于“学习边缘”假设，动态剔除低效用样本，解决了 GRPO 等算法中因大量无效提示词导致的计算开销问题。 实验表明 HIVE 在保持性能的同时实现了显著的 rollout 效率提升，该成果已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。