arXiv · cs.AI · Jiaying Zhou, Jiachen Liu, Qingchao Chen · 10 小时前模型评分32
一个偏移、两个方向：用子组偏移调整 GRPO 基线
One Offset, Two Directions: Baseline Adjustment via Subgroup Offsets
导读
研究提出用“子组偏移”调整分组相对策略优化（GRPO，Group Relative Policy Optimization）的基线：按解题策略把同一提示词下的多条采样轨迹分成子组，用单一带符号系数λ沿子组均值与全局均值的偏差平移基线，λ>0为对齐、λ<0为对比，且只改基线、不动奖励信号与优化目标。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We therefore study how to adjust the baseline when the rollouts of a prompt fall into heterogeneous subgroups.”
来源：arXiv · cs.AI · arxiv.org