提出SURGE策略空间扩展方法

作者提出SURGE，通过融合同一RL运行中的高精度检查点和生成更短回答的检查点，在不延长训练或增加单次推理计算的情况下扩展可部署策略集合。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。