热点事件观察中

POISE：用模型内部状态做价值估计的强化学习算法

1 篇报道1 个报道来源2 天前更新

先了解这件事

报道摘要

研究者提出 POISE（Policy Optimization with Internal State Value Estimation），把模型内部状态当作价值模型，用轻量探针读取前向传播中已算出的信号来预测基线，并与策略在线同步训练。

摘自 arXiv：cs.LG

沿着报道，了解事件的不同侧面。

10月3日

12:00
arXiv：cs.LG
POISE：用模型内部状态做价值估计的强化学习算法，被 NeurIPS 2026 接收
研究者提出 POISE（Policy Optimization with Internal State Value Estimation），把模型内部状态当作价值模型，用轻量探针读取前向传播中已算出的信号来预测基线，并与策略在线同步训练。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。