TACO：校准RLVR中尾令牌的正向信用
热点事件持续更新
TACO：校准RLVR中尾令牌的正向信用
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Xiuyi Lou 等作者提出 TACO（Tail-Aware Credit calibratiOn），用于校准 GRPO 式强化学习（RLVR）中成功轨迹内高尾部风险 token 被错误赋予的正向信用，并发布了论文 v2 版本。 方法上，TACO 不需要 token 级错误标签，让策略以自身采样分布作为参照，估计每个采样 token 相对策略局部预期的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。代码开源于 GitHub（xiuyilou/TACO）。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
TACO：面向RLVR的尾部感知信用校准方法报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AITACO：面向RLVR的尾部感知信用校准方法
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。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
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。