提出RDC以路由分歧信号缓解MoE强化学习离策略退化
热点事件持续更新
提出RDC以路由分歧信号缓解MoE强化学习离策略退化
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
Liangyao Jin 等人发布论文，提出 Router Drift Control（RDC）方法：将 rollout 与训练阶段之间的路由分歧作为离策略陈旧度信号，选择性拒绝高漂移响应，以缓解混合专家（MoE）模型强化学习中的离策略退化。 论文称，在异步训练中，RDC 与 Truncated Importance Sampling（TIS）结合使用，在 AIME 2024 和 AIME 2025 上的平均峰值验证准确率比单独 TIS 高 5.5 分，比 R3 高 4.5 分。这些结果来自作者报告，基于论文摘要，尚无独立复现。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
Router Drift Control：缓解混合专家强化学习中的离策略退化报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIRouter Drift Control：缓解混合专家强化学习中的离策略退化
Router Drift Control（RDC）通过将rollout与训练阶段的路由分歧作为离策略陈旧度信号，选择性拒绝高漂移响应，以减少混合专家强化学习中的离策略退化。
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。