arXiv cs.AI· Bangji Yang, Hongbo Ma, Ruihan Guo, Jiajun Fan, Xi Zhu, Ge Liu·· 1 天前AI 评分38
Batched Contextual Reinforcement II：RLVR 真的需要长 rollout 窗口吗？
Batched Contextual Reinforcement II: Does RLVR Need Long Rollout Windows?
AI 导读
作为 BCR 的技术延续，论文提出 Concurrent Constraint Reinforcement（CCR），在单个封顶训练补全中放入三个可独立验证的数学题，让截断前完成的正确答案保留奖励，从而摆脱 RLVR 对长 rollout 窗口的依赖。
来源：arXiv cs.AI · arxiv.org