arXiv论文提出RACE奖励自适应共进化框架用于开放式强化学习
热点事件持续更新
arXiv论文提出RACE奖励自适应共进化框架用于开放式强化学习
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yizhu Chen等在arXiv发布论文，提出用于开放式强化学习的奖励自适应共进化框架RACE。该框架在组层面将rollout组分为信息性、多样性坍缩或评分标准失败三类并据此路由训练信号，在阶段层面基于奖励饱和触发评分标准优化，并采用冻结judge和尺度归一化的成对边际奖励。 论文称，在统一评测协议下，RACE取得最高平均性能，在全部八项任务上超过最强固定交替基线，同时提升评分标准的判别力。
AI 根据报道生成 · 49 分钟前更新
最新进展10月31日 12:00
RACE：策略与评分标准的奖励自适应协同演化框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIRACE：策略与评分标准的奖励自适应协同演化框架
arXiv 论文提出 RACE，一种用于开放式强化学习的奖励自适应协同演化框架。该框架在组层面将 rollout 组分为信息性、多样性坍缩或评分标准失败三类并据此路由训练信号，在阶段层面基于奖励饱和触发评分标准优化，并采用冻结 judge 和尺度归一化的成对边际奖励。在统一评测协议下，RACE 取得最高平均性能，在全部八项任务上超过最强固定交替基线，同时提升评分标准的判别力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。