研究者提出无评论家RFT算法Follow the Winners
热点事件持续更新
研究者提出无评论家RFT算法Follow the Winners
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
Joery Ariën de Vries 等作者提出无评论家（critic-free）的策略学习算法 Follow the Winners（FTW），将交叉熵方法适配到强化微调（RFT）。据作者描述，该算法用回放缓冲区样本上的序数过滤替代 GRPO 式的组采样，并在收益的序统计量上实现多项式集中。 目前公开信息仅为论文摘要层面的方法说明，尚无实验结果的披露。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
Follow the Winners（FTW）：面向无 Critic 强化微调的交叉熵保守策略改进报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGFollow the Winners（FTW）：面向无 Critic 强化微调的交叉熵保守策略改进
研究者提出无 Critic 的策略学习算法 Follow the Winners（FTW），将交叉熵方法适配到强化微调（RFT），用回放缓冲区样本上的序数过滤替代 GRPO 式的组采样，在收益序统计量上实现多项式集中。
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。