arXiv · cs.AI· Zhengqing Yan, Fan Guo, Xinyang Liu, Yi Zhang, Yao Liu, Qi Liu, Jihao Huang, Kang Song·· 5 小时前
GDEPO：通过组动态与等权优势策略优化提升定理证明强化学习效率
GDEPO: Group Dual-dynamic and Equal-right Advantage Policy Optimization for Sample-Efficient Reinforcement Learning
arXiv:2601.06795v4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：Zhengqing Yan, Fan Guo, Xinyang Liu, Yi Zhang, Yao Liu, Qi Liu, Jihao Huang, Kang Song
研究任务与主要进展
Zhengqing Yan等提出GDEPO，用于提升自动定理证明中的样本利用率和优化效率。该方法通过动态追加采样、等权优势以及对最终成功样本追加梯度迭代，缓解GRPO在二元验证反馈和无效批次场景下的训练浪费；作者在MinF2F-test、MathOlympiadBench和PutnamBench实验及消融研究中报告了其有效性。材料仅提供论文摘要，未说明具体基线、计算成本和实验细节。
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