arXiv Artificial Intelligence· Bo Yang, Zishuai Zhang, Weihua Li, Qinnan Zhang, Sijia Wen, Hainan Zhang·· 19 小时前AI 评分31
Guided-RLVR：用引导式探索改进带可验证奖励的强化学习
Guided-RLVR: Guided Exploration in Reinforcement Learning with Verifiable Rewards
AI 导读
Guided-RLVR 在 RLVR 基础上加入轻量控制器，向采样分布注入语义有意义的引导 token，鼓励模型从多种推理视角解题以扩大探索空间。在数学推理与代码生成基准上，该方法一致优于现有 RLVR 方法，并产生更多样的推理轨迹。
来源：arXiv Artificial Intelligence · arxiv.org