arXiv cs.AI· Yeonbum Kim, Hyun Kyu Lee, Sung Whan Yoon·2026-10-23 12:00· 2 小时前AI 评分34

Flat-RLVR：基于锐度感知的可验证奖励强化学习，提升 LLM 推理能力

Flat-RLVR: Sharpness-Aware Reinforcement Learning with Verifiable Rewards for Reasoning Capacity in LLMs

AI 导读

Flat-RLVR 是一种面向大语言模型后训练的方法，通过锐度感知最小化在 RLVR 中搜索平坦奖励区域，并结合 GRPO 变体。该方法理论上证明平坦奖励 RLVR 可减少分布锐化，实验显示其提升了样本多样性，同时保持单次尝试准确率，在采样效率与推理能力之间取得更好的平衡。