MOER混合策略优化框架提出

MOER是一个混合策略优化框架，由Xuyang Zhong等人提出。该框架旨在平衡专家引导与自主探索，通过注入衰减的专家链式推理前缀和引入选择性回滚机制，以显著稳定训练过程。 在方法实现上，MOER采用GRPO损失优化策略token，同时利用信任域SFT损失监督专家前缀及补全token。实验表明，在数学和通用领域推理任务中，MOER的平均得分高于所有基线方法。 目前，该研究的代码已开源，供学界和业界参考使用。

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。