Info-GRPO框架解决长程推理策略崩溃
热点事件持续更新
Info-GRPO框架解决长程推理策略崩溃
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
Junxing Hu等人在arXiv发布Info-GRPO框架，通过信息论视角解决GRPO训练中的策略崩溃与熵衰减冲突，利用潜变量相关探索增强提示多样性。 实验显示，该框架在AIME24基准上平均提升较原始GRPO提高3.75%至4.17%，并在多个推理基准上优于普通GRPO及熵正则化GRPO。该研究已被NeurIPS 2026 LCFM研讨会接收，代码与模型将公开发布。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
Info-GRPO：基于相关性探索的长轨迹推理优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · NLPInfo-GRPO：基于相关性探索的长轨迹推理优化框架
Info-GRPO 提出信息论框架解决 GRPO 训练中的策略崩溃与熵衰减冲突，通过潜变量相关探索实现多样性。 该框架利用潜种子增强提示以探索多样化策略，在 AIME24 上 Avg@8 较 GRPO 提升 3.75% 至 4.17%。 代码和模型将公开发布，该研究已被 NeurIPS 2026 LCFM 研讨会接收。
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。