DyJR：动态JS回放保持RL多样性

2026年10月15日，arXiv 人工智能板块刊出论文，提出动态 Jensen-Shannon 回放（DyJR）正则化框架。该工作针对 GRPO 等 on-policy 算法丢弃历史 rollout 所导致的样本效率低、策略过度集中问题，采用来自近期轨迹的动态参考分布来保持可验证奖励强化学习中的多样性。论文由 Long Li 等作者发表，并被 NeurIPS 2026 接收。截至该报道，事件进展为方法提出与论文录用，尚无后续实验复现或应用落地的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。