研究提出DATC优化GRPO归因
热点事件持续更新
研究提出DATC优化GRPO归因
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Yikuan Hu等提出方向感知Token信用分配（DATC）方法。该方法将冻结奖励模型梯度映射至策略logit空间，通过评估奖励方向与GRPO更新方向的对齐来分配权重，解决GRPO在Token层面的贡献归因问题。 DATC保留响应级优势的符号和均值。在两个模型家族、四种设置下，DATC表现均优于GRPO。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
DATC 方向感知 token 信用分配方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · MLDATC 方向感知 token 信用分配方法
论文提出方向感知 token 信用分配（DATC）方法，通过映射奖励模型梯度并将权重分配与 GRPO 更新方向对齐，解决 GRPO 响应级优势在 token 层面的贡献归因问题。 DATC 保留响应级优势的符号和均值，在两个模型家族、四种设置下的表现均优于 GRPO。
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。