DUET：联合优化RLVR的token预算分配

2026年10月30日，arXiv Artificial Intelligence 刊出 Haoyu Hu 等作者的论文，提出 DUET（Dual-controlled tokEn allocaTion），一种叠加在 GRPO 之上的 token 预算分配方法：它用轻量级的 rollout 前 prompt 信息量代理，决定每个 prompt 分配多少条 rollout，并用带重要性重加权的标记门控中止规则决定每条 rollout 何时停止。报道称，在 MATH 上训练的 Qwen3-1.7B 上，DUET 优于全预算 GRPO 及另外三种预算感知基线，实现 1.62 倍实际耗时加速；仅用 50% token 预算时，仍超过所有基线的全预算表现，加速达 2.51 倍。作者还称在 Qwen3-4B 至 14B 及 Llama-3.2-3B-Instruct 等其他骨干模型上验证了 DUET 的高性能。目前进展停留在论文报告阶段，尚无独立复现或后续跟进报道。

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。