研究者提出ENTR熵归一化信任域方法

研究者Guanqun Zhao等人提出熵归一化信任区域方法ENTR，用于缓解异步强化学习中陈旧off-policy数据导致的优化不稳定与策略崩溃。该方法认为，off-policy比率的尺度由token熵决定，并识别出会放大训练—推理失配的低熵区间；研究者称，仅按比率幅度设定阈值会引入噪声、丢弃探索。 该方法是针对异步强化学习场景提出的，报道未给出具体任务、模型规模或对比结果等验证细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。