arXiv · cs.AI· Jinghan Zhang, Fengran Mo, Tharindu Cyril Weerasooriya, Ruimin Dai, Xiaoyan Han, Yanjie Fu, Dakuo Wang, Kunpeng Liu·· 6 小时前
StaRPO：稳定性增强的强化策略优化框架
StaRPO: Stability-Augmented Reinforcement Policy Optimization
arXiv:2604.08905v2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：Jinghan Zhang, Fengran Mo, Tharindu Cyril Weerasooriya, Ruimin Dai, Xiaoyan Han, Yanjie Fu, Dakuo Wang, Kunpeng Liu
研究任务与主要进展
作者提出 StaRPO，将推理稳定性纳入大语言模型强化策略优化，通过 ACF 和 PE 分别衡量局部步骤连贯性与全局目标导向性，并与任务奖励结合。基于论文摘要，该方法在两个骨干模型和四个推理基准上相较所比较基线提升了最终答案准确率和逻辑稳定性，具体实验条件与数值未说明。
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