论文提出TIDE：熵门控token级信用分配RL框架
热点事件持续更新
论文提出TIDE：熵门控token级信用分配RL框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
论文作者在arXiv发布论文，提出TIDE（Token-level Importance via Deviation and Entropy），一种无critic的强化学习框架，定位为GRPO的替代方案。该方法用有界Hellinger距离替代反向KL散度，将分布偏差视为引导信号而非刚性惩罚，并通过熵门控把序列级优势重新分配到token级。 论文报告，在Qwen2.5-32B骨干模型上，TIDE在AIME 2024和AIME 2025上分别达到60.0%和46.0%的Avg@32准确率。
AI 根据报道生成 · 1 小时前更新
最新进展11月14日 13:00
TIDE：基于熵门控有界偏差的 token 级信用分配报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AITIDE：基于熵门控有界偏差的 token 级信用分配
论文提出 TIDE（Token-level Importance via Deviation and Entropy），一种无 critic 的强化学习框架，用有界 Hellinger 距离替代反向 KL 散度，并通过熵门控将序列级优势重新分配到 token 级。
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。