arXiv Artificial Intelligence· Faeze Moradi Kalarde, Armin Toroghi, Nam Ho Koh, Doo Hwan Hwang, Seungjin Kim, Kee-Eung Kim, Scott Sanner·· 19 小时前AI 评分20
AdaRoll-GRPO：用贝叶斯自适应 MDP 分配 rollout 预算提升 GRPO 训练
Bayes-Adaptive MDPs for Rollout Allocation to Enhance GRPO Training
AI 导读
AdaRoll-GRPO 将 GRPO 的 rollout 预算分配建模为序贯决策问题，用贝叶斯自适应 MDP 学习按题目难度分配 rollout 的自适应策略，在总 rollout 预算与标准 GRPO 相同的前提下最大化训练效用。
来源：arXiv Artificial Intelligence · arxiv.org