HIVE提示选择框架提升RL训练效率
热点事件持续更新
HIVE提示选择框架提升RL训练效率
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv人工智能板块刊出Jiahao Wu等作者的论文，提出名为HIVE（History-Informed and online-VErified prompt selection）的双阶段提示词选择框架，用于大型推理模型的强化学习训练。据该报道，HIVE针对GRPO等算法中每个提示词需多次rollout、成本过高的问题，先依据历史奖励轨迹做粗筛，再利用提示词熵实时剔除效用已过时的样本。报道称，该方法在多个数学推理基准和模型上实现了显著的rollout效率提升且不损失性能；研究还发现学习信号集中在中等难度与高不确定性交叠的“学习边缘”，并随训练推进而移动。目前事件进展停留在论文发布与方法描述层面，尚无后续跟进报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
HIVE：面向大型推理模型高效 RL 训练的在线验证提示词选择方法报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv Artificial IntelligenceHIVE：面向大型推理模型高效 RL 训练的在线验证提示词选择方法
HIVE 是一个双阶段提示词选择框架，用于大型推理模型的强化学习训练，通过历史奖励轨迹做粗筛、再用提示词熵实时剔除效用过时的样本。该方法针对 GRPO 等算法中每个提示词多次 rollout 成本过高的问题，在多个数学推理基准和模型上实现了显著的 rollout 效率提升且不损失性能。研究还发现学习信号集中在中等难度与高不确定性交叠的“学习边缘”，并随训练推进而移动。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。