热点事件持续更新

研究者提出 Info-GRPO：用信息论方法改进 GRPO 探索机制

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

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，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。研究者称这是一种用潜变量先验相关性替代熵正则进行探索的方法。实验方面，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 倍的样本达到相同多数投票准确率。代码和模型将公开发布。

AI 根据报道生成 · 2 小时前更新

最新进展10月26日 15:19

Info-GRPO：面向长链推理的相关性感知探索方法

报道时间线

沿着报道，了解事件的不同侧面。

10月26日

15:19
arXiv · cs.AI
Info-GRPO：面向长链推理的相关性感知探索方法
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。

本事件热度走势

可比范围当前: 5
可比范围峰值: 610月27日 11:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。