LenGuard-GPC：空间推理强化学习密集奖励框架

1. 13:00
   arXiv · cs.AI

   LenGuard-GPC：用引导提示一致性做长度守卫的空间推理强化学习

   LenGuard-GPC 提出一种稠密奖励框架，通过对比标准提示与引导提示下逐 token 的预测分布，用 KL 散度作为稠密奖励信号，并加入分阶段长度奖励把推理长度控制在合理区间。在六个多视图空间推理基准上，它相比原始 GRPO 提升了准确率，同时缩短了平均回答长度。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。