FADE：双时间尺度筛选提升RLVR调度效率

近期，arXiv平台发布了一篇关于机器学习的论文，正式提出名为FADE的滤波器。该方案旨在解决在线RLVR调度中的效率问题，通过分离策略能力与题目难度这两个双时间尺度因子进行筛选，以优化调度流程。 在技术实现上，FADE采用了双线性状态空间模型，并利用Pólya-Gamma增强方法实现闭式更新。这一设计有效降低了非退化rollout的概率，从而提升了算法的稳定性和计算效率。 实验结果显示，在五个推理基准测试中，FADE一致性地提升了下游任务的准确性与校准能力。同时，该方案对计算开销的影响极小，每步增加耗时低于0.6毫秒，展现了良好的实用价值。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。