SC-GRPO：按自条件KL散度加权GRPO梯度
热点事件持续更新
SC-GRPO：按自条件KL散度加权GRPO梯度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者提出 SC-GRPO（Self-Conditioned GRPO），针对 GRPO 对所有 token 均匀分配信用、浪费梯度的问题，改用模型在自身已验证轨迹条件下的逐 token KL 散度，作为 GRPO 梯度的乘性权重。 该方法由 Yingyu Shan 等作者提出。目前公开信息仅说明其加权机制，未给出实验效果或适用范围的结论。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
SC-GRPO：以自条件信用分配提升可验证奖励强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AISC-GRPO：以自条件信用分配提升可验证奖励强化学习
针对 GRPO 对所有 token 均匀分配信用、浪费梯度的问题，研究者提出 SC-GRPO（Self-Conditioned GRPO），利用模型在自身已验证轨迹条件下的逐 token KL 散度作为 GRPO 梯度的乘性权重。
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。