跳到正文
热点事件持续更新

提出VSR：方差最优状态重采样改进GRPO

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Yibo Wang、Yuanxin Liu、Zhaoran Wang在arXiv发布论文，提出VSR（Variance-driven State Resampling），一种针对GRPO的即插即用状态重采样方法，旨在降低策略梯度估计器的方差。作者称该方法基于Neyman分配思想，结合前缀回放缓冲区与零成本方差代理实现。 作者声称在数学推理基准以及Sokoban、BabyAI长时程Agent任务的大多数基准上，VSR优于GRPO和GiGPO，且每次更新使用更少的生成token。以上结论基于论文摘要，具体推导与实验细节材料未说明。

AI 根据报道生成 · 4 小时前更新

最新进展10月14日 12:00
可验证奖励强化学习的方差最优状态重采样方法VSR

报道时间线

沿着报道，了解事件的不同侧面。

10月14日
  1. arXiv · cs.AI
    可验证奖励强化学习的方差最优状态重采样方法VSR

    基于论文摘要，作者提出VSR（Variance-driven State Resampling），通过状态重采样降低策略梯度估计器方差，并将其作为GRPO的即插即用改造。该方法结合前缀回放缓冲区与零成本方差代理，作者声称在数学推理基准以及Sokoban、BabyAI长时程Agent任务的大多数基准上优于GRPO和GiGPO，并使用更少的生成token完成每次更新；具体推导与实验细节材料未说明。

本事件热度走势

可比范围当前
8
可比范围峰值
910月14日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。