研究者提出 GRPODropout 缓解策略熵坍缩
热点事件持续更新
研究者提出 GRPODropout 缓解策略熵坍缩
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
Hexuan Deng 等作者提出 GRPODropout，用于缓解 GRPO 等在线强化学习方法中的策略熵坍缩问题。该方法在标准更新前选择性剔除少量高概率、正优势的 rollout，并对保留的优势重新中心化，只改变 rollout 的使用方式。 作者称，该方法计算开销可忽略，准确率高于原始 GRPO，同时 actor 熵更高，且用于更新的 rollout 样本更少。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
GRPODropout：用更少 rollout 提升在线强化学习效果报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.CLGRPODropout：用更少 rollout 提升在线强化学习效果
针对 GRPO 等强化学习方法中策略熵塌缩导致采样多样性下降的问题，研究者提出 GRPODropout：在标准更新前选择性剔除少量高概率、正优势的 rollout，并对保留的优势重新中心化。该方法仅改变 rollout 使用方式，计算开销可忽略，准确率高于原始 GRPO 且 actor 熵更高，同时用于更新的 rollout 样本更少，体现了"less is more"。
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。