arXiv cs.AI· Nghi Dao, Calder Morton-Ferguson, Noah Golowich, Adam Block·2026-10-23 12:00· 4 小时前AI 评分42

ReAPO：面向大语言模型推理高效探索的重试感知策略优化方法

ReAPO: Retry-Aware Policy Optimization for Efficient Exploration in LLM Reasoning

AI 导读

研究者提出重试感知策略优化方法 ReAPO，基于随机最短路径框架对 GRPO 做简单修改，为失败轨迹分配额外生成，在不奖励先前失败的前提下强化成功重试并按理论原则分配各次尝试的信用。