热点事件持续更新
StepRS-GRPO：扩散语言模型分步风险敏感 GRPO
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布一篇论文，研究者提出 StepRS-GRPO，一种面向扩散大语言模型（dLLM）的分步风险敏感 GRPO 方法。该方法通过在去噪状态之间调整组优势变换的风险系数来改进强化学习。报道称，在多个 dLLM 骨干和数学推理基准上，StepRS-GRPO 相比居中 GRPO 同时提升了 pass@1 准确率和 pass@k 覆盖率，并增加了答案多样性。目前该事件仅有这一篇报道，尚无后续进展或相互矛盾的说法。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
研究者提出 StepRS-GRPO，在 dLLM 数学推理基准上优于居中 GRPO。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）StepRS-GRPO：面向扩散语言模型的分步风险敏感 GRPO 方法
研究者提出 StepRS-GRPO，一种面向扩散大语言模型（dLLM）的分步风险敏感 GRPO 方法，通过在去噪状态间调整组优势变换的风险系数来改进强化学习。在多个 dLLM 骨干和数学推理基准上，该方法相比居中 GRPO 同时提升了 pass@1 准确率和 pass@k 覆盖率，并增加了答案多样性。
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。