arXiv cs.AI· Yunan Zeng, Jinhao Jing, Xi Cheng, Yuwang Wang·· 1 天前AI 评分37
通过激活空间引导探索，提升可验证奖励强化学习（RLVR）的推理多样性
Exploration via Activation-Space Steering for Reinforcement Learning with Verifiable Rewards
AI 导读
一项 arXiv 研究提出 Activation-Space Exploration（ASE），一种在线多样化训练 rollout 的方法：通过聚类正确与错误响应的激活差异，构建潜在探索向量库，引导后续 rollout 探索不同推理路径。
来源：arXiv cs.AI · arxiv.org