arXiv · cs.AI· Zhen Li, Shuai Zhang, Yanggan Gu, Yiming Zhang, Yang Yu, Mingfa Feng, Congkai Xie, Shuang Yu, Junjie Lai, Hongxia Yang·· 2 天前
TRIAGE：原生NVFP4强化学习的方向感知失配稳定化方法
TRIAGE: Direction-Aware Mismatch Stabilization of Native NVFP4 Reinforcement Learning
arXiv:2610.07043v1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：Zhen Li, Shuai Zhang, Yanggan Gu, Yiming Zhang, Yang Yu, Mingfa Feng, Congkai Xie, Shuang Yu, Junjie Lai, Hongxia Yang
研究任务与主要进展
研究者提出TRIAGE，用于稳定原生NVFP4强化学习中学习器与采样器执行失配引起的策略优化问题，并通过分段诊断选择性重平衡策略梯度，对残余严重失配进行有界修复。该方法在采样器和学习器上保留W4A4前向执行，在Qwen3-4B和Qwen3-30B-A3B的实验中达到五个数学推理基准的全精度水平，原生NVFP4的rollout吞吐量最高达到BF16的2.3倍；以上结论基于论文摘要。
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