arXiv · cs.AI· Xiuyi Lou, Zicheng Xu, Yu-Neng Chuang, Hoang Anh Duy Le, Zhaozhuo Xu, Guanchu Wang, Vladimir Braverman·· 7 小时前
TACO：面向RLVR的尾部感知信用校准方法
Right Answer, Wrong Tokens: Tail-Aware Credit Calibration for RLVR
arXiv:2607.07976v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiuyi Lou, Zicheng Xu, Yu-Neng Chuang, Hoang Anh Duy Le, Zhaozhuo Xu, Guanchu Wang, Vladimir Braverman
研究任务与主要进展
作者提出Tail-Aware Credit Calibration（TACO），用于校准GRPO式强化学习中成功轨迹内高尾部风险token的正向信用。TACO让策略以自身采样分布估计token稀有度并构造尾部风险分数，在保留非零权重的同时减少对潜在局部错误token的强化；作者称其在四个大语言模型和八个推理基准上持续优于GRPO式基线，并改善长期强化学习中的训练稳定性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org