arXiv · cs.AI· Zhenghong Ke·· 17 小时前AI 评分40
SCARL：序列置信度对齐强化学习
SCARL: Sequence Confidence-Aligned Reinforcement Learning
来源与原文
arXiv · cs.AI
作者：Zhenghong Ke
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40407v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 SCARL（Sequence Confidence-Aligned Reinforcement Learning），针对 RLVR 中策略置信度与奖励错位的问题，用组内相对置信度与结果之间的对齐差重塑各样本的 advantage。在 Qwen3-4B-Base 上，SCARL 将平均 Pass@32 较 DAPO 提升 2.4 分，在九个算力对齐方法中覆盖率和单次准确率均最佳；跨四个估计器和四个主干在 16 个设置中的 14 个取得提升，同时保持策略熵并缓解熵坍缩，代码已开源。
来源：arXiv · cs.AI · arxiv.org