arXiv · cs.AI· Yeonbum Kim·· 6 天前AI 评分37
Flat-RLVR：基于锐度感知的可验证奖励强化学习，提升 LLM 推理能力
Flat-RLVR: Sharpness-Aware Reinforcement Learning with Verifiable Rewards for Reasoning Capacity in LLMs
来源与原文
arXiv · cs.AI
作者：Yeonbum Kim
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/2610.29281v1
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 Flat-RLVR，在 LLM 后训练中通过锐度感知最小化寻找平坦奖励区域，并结合 GRPO 变体进行可验证奖励强化学习（RLVR）。该方法在理论上将平坦奖励最优与缓解分布锐化（distribution sharpening）联系起来，经验上提升了样本多样性，同时保持单次尝试准确率，在采样效率与推理容量之间取得更好权衡。
来源：arXiv · cs.AI · arxiv.org