AdaRoll-GRPO提出自适应分配rollout预算

2026年10月28日，arXiv Artificial Intelligence 刊出 Faeze Moradi Kalarde 等作者的论文，提出 AdaRoll-GRPO。该工作把 GRPO 的 rollout 预算分配重新表述为序贯决策问题，并利用贝叶斯自适应马尔可夫决策过程（MDP）学习一种按题目难度分配 rollout 的自适应策略。报道称，在总 rollout 预算与标准 GRPO 相同的前提下，该方法旨在最大化训练效用。目前报道仅介绍方法框架与目标，未给出实验设置、对比结果或具体性能数字，后续进展有待跟进。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。