arXiv Artificial Intelligence· Pei-Xi Xie, Che-Yu Lin, Cheng-Lin Yang·2026-10-15 12:00· 18 小时前AI 评分22

用分布对齐提示合成与反向提示退火缓解数学 RLVR 中的分布锐化

Mitigating Distribution Sharpening in Math RLVR via Distribution-Aligned Hint Synthesis and Backward Hint Annealing

AI 导读

针对 RLVR 中难题采样组全错导致无有效更新、进而使问题覆盖收缩的分布锐化问题，DAHS 以学生风格回答为条件构造经核验的教师提示，BHA 则按长度分桶随准确率提升逐步退火提示暴露并做逐题提示丢弃。