arXiv · cs.CL· Bo Yang·· 18 小时前AI 评分33
Guided-RLVR：用引导式探索改进可验证奖励强化学习
Guided-RLVR: Guided Exploration in Reinforcement Learning with Verifiable Rewards
来源与原文
arXiv · cs.CL
作者：Bo Yang
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/2610.37041v1
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 Guided-RLVR，通过轻量级控制器向采样分布注入语义化的 steering tokens，扩展 RLVR 的推理探索空间，避免推理轨迹塌缩。在数学推理与代码生成 benchmark 上，Guided-RLVR 一致优于现有 RLVR 方法，并产生更多样的推理轨迹。
来源：arXiv · cs.CL · arxiv.org