ClosedLoopGaussian提升GRPO效率

2026年10月30日，Yuv Raj Pant、Moshiur Rahman Tonmoy与Kaiqun Fu在arXiv（cs.AI）发布论文，提出轻量级自适应课程方法ClosedLoopGaussian，用于提升顺序推理任务中GRPO强化微调效率。 该方法通过周期性探测各难度准确率的反馈机制，动态调整采样节奏与范围，避免训练偏离当前模型能力。研究在符号算术推理任务Countdown上验证，ClosedLoopGaussian使GRPO精确匹配准确率提升，且在中等难度区间增益最强。 目前论文代码已公开，该方法为GRPO在顺序推理任务中的强化微调提供了新的优化路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。