Apple Machine Learning Research（RSS）·· 15 天前AI 评分40
DACA-GRPO：面向扩散语言模型强化学习的去噪感知信用分配方法
DACA-GRPO: Denoising-Aware Credit Assignment for Reinforcement Learning in Diffusion Language Models
AI 导读
Apple 研究者提出 DACA-GRPO，一种可插拔的 GRPO 训练增强方法，用于扩散语言模型强化学习。它通过 Denoising Progress Scores 提取逐 token 重要性权重（无额外前向开销），并用 Stratified Masking Likelihood 降低 mean-field 似然偏差。
来源：Apple Machine Learning Research（RSS） · machinelearning.apple.com