EVOL-RL 无标签强化学习方法发布
热点事件持续更新
EVOL-RL 无标签强化学习方法发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv 平台发布一篇 NLP 领域研究论文，Yujun Zhou 和 Zhenwen Liang 等人提出名为 EVOL-RL 的方法。该方法旨在解决无标签自我改进中的多样性坍缩问题，通过结合多数投票提供稳定选择信号，并利用基于嵌入的新颖性机制优化同状态响应的信用分配。 此外，该方案还引入熵正则化和非对称裁剪机制，以维持多样化的数据滚动并保留稀有高优势更新。论文展示了该方法在提升 pass@n 性能方面的有效性，为无标签强化学习场景提供了新的技术路径。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
EVOL-RL：无标签强化学习提升大模型多样性与性能报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · NLPEVOL-RL：无标签强化学习提升大模型多样性与性能
EVOL-RL 通过结合多数投票与新颖性机制，有效解决了无标签自我改进中的多样性坍缩问题，显著提升 pass@n 性能。 在 AIME24 无标签训练 Qwen3-4B-Base 后，其在 AIME25 上的 pass@1 从 4.6% 提升至 17.1%，pass@16 从 18.5% 提升至 42.0%，超越 TTRL 基线。
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。