arXiv · cs.CL· Qi Yu·· 24 天前AI 评分30
HarA：基于 Fused Gromov-Wasserstein 几何的 RLVR 分层信用分配方法
Hierarchical Credit Assignment for RLVR on Fused Gromov-Wasserstein Geometry
来源与原文
arXiv · cs.CL
作者：Qi Yu
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/2610.04344v1
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
研究者提出分层信用分配方法 HarA，改进 GRPO 等基于分组的 RLVR 方法对所有 token 赋予相同优势的问题。HarA 将 rollout 表示为隐状态和 token 位置的分布，用 Fused Gromov-Wasserstein（FGW）重心度量推理行为的语义新颖性，并引入 anchor 引导的线性化，使其可通过 Sinkhorn 算法高效求解。在三种分组 RLVR 方法上的即插即用实验显示，HarA 有效增强 LLM 探索，在多个推理基准上超越现有方法。
来源：arXiv · cs.CL · arxiv.org