arXiv · cs.AI· Ria Shekhawat·· 2 天前AI 评分39
DARS：一种实现奖励成比例采样的强化学习框架
Density-Aware Reward Scaling: A Reinforcement Learning Framework for Reward-Proportional Sampling
来源与原文
arXiv · cs.AI
作者：Ria Shekhawat
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/2611.04792v1
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
Density-Aware Reward Scaling（DARS）是一种奖励处理机制，通过在 on-policy rollout 组内估计结果局部密度并按密度反向缩放奖励，促进连续结果空间中的奖励成比例采样，无需学习密度模型、critic 或修改 policy-gradient 目标。在多模态导航任务中，DARS-GRPO 避免了 GRPO 的单模式坍缩；在文生图提示词适配中持续提升图像与提示词多样性，同时保持语义对齐。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。