arXiv · cs.AI· Junxing Hu·· 23 小时前AI 评分42
Info-GRPO：面向长链推理的相关性感知探索方法
Correlation-Aware Exploration for Long-Trace Reasoning
来源与原文
arXiv · cs.AI
作者：Junxing Hu
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/2610.34949v1
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
研究者提出 Info-GRPO，一种基于信息论的 GRPO 改进框架，通过在训练中为提示词加入隐变量种子来培养策略与隐含先验的相关性，让探索性分布在整条推理链上维持，避免熵正则化与收敛所需的熵衰减相冲突。在 AIME24 上，Info-GRPO 在四个 backbone 上将 Avg@8 较 GRPO 分别提升 3.75%、1.66%、4.16% 和 4.17%，并以少 8× 的样本达到相同多数投票准确率。代码和模型将公开发布。
来源：arXiv · cs.AI · arxiv.org