论文探讨 GRPO 中密集奖励是否值得其 token 开销
来源标题:Are Dense Rewards Worth Their Tokens in GRPO?
arXiv 收录了由 Vikash Singh 等 19 位作者提交的论文《Are Dense Rewards Worth Their Tokens in GRPO?》,探讨 GRPO 中密集奖励相对其 token 消耗是否划算。论文于 2026 年 11 月 10 日提交,归入 cs.CL 分类。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Focus to learn more arXiv 通过 DataCite 发放的 DOI(注册待完成) 提交历史 来自:Weicong Chen [查看邮箱] [v1] 2026年11月10日 星期二 04:25:22 UTC(2,230 KB) 全文链接: 获取论文: 查看题为 Are Dense Rewards Worth Their Tokens in GRPO? 的论文 PDF,作者为 Vikash Singh 及其他 18 位作者 查看 PDF HTML(实验性) TeX 源码 查看许可 附加功能 音频摘要 当前浏览上下文: cs.CL < 上一篇 | 下一篇 > 新 | 最近 | 2026-11 切换浏览分类: cs cs.AI 参考文献与引用 SciX Google Scholar Semantic Scholar 导出 BibTeX 引用 加载中... BibTeX 格式引用 × 加载中... 数据提供方: 收藏 书目工具 书目与引用工具 Bibliographic Explorer 开关 Bibliographic Explorer(什么是 Explorer?) Connected Papers 开关 Connected Papers(什么是 Connected Papers?) Litmaps 开关 Litmaps(什么是 Litmaps?) scite.ai 开关 scite Smart Citations(什么是 Smart Citations?) 代码、数据、媒体 与本文相关的代码、数据和媒体 alphaXiv 开关 alphaXiv(什么是 alphaXiv?) 代码链接开关 CatalyzeX 论文代码查找器(什么是 CatalyzeX?) DagsHub 开关 DagsHub(什么是 DagsHub?) GotitPub 开关 Gotit.pub(什么是 GotitPub?) Huggingface 开关 Hugging Face(什么是 Huggingface?) ScienceCast 开关 ScienceCast(什么是 ScienceCast?) 演示 演示 Replicate 开关 Replicate(什么是 Replicate?) Spaces 开关 Hugging Face Spaces(什么是 Spaces?) Spaces 开关 TXYZ.AI(什么是 TXYZ.AI?) 相关论文 推荐与搜索工具 链接到 Influence Flower Influence Flower(什么是 Influence Flowers?) 核心推荐器开关 CORE Recommender(什么是 CORE?) 作者 会议/期刊 机构 主题 关于 arXivLabs arXivLabs:与社区合作者共同开展的实验性项目 arXivLabs 是一个框架,允许合作者在我们网站上直接开发和分享新的 arXiv 功能。 与 arXivLabs 合作的个人和组织都认同并接受了我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。 有想法开展一个能为 arXiv 社区增加价值的项目?了解有关 arXivLabs 的更多信息。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。