arXiv cs.LG· Bangji Yang, Hongbo Ma, Ruihan Guo, Jiajun Fan, Xi Zhu, Ge Liu·· 15 天前AI 评分35
批量上下文强化 II：RLVR 是否真的需要长 Rollout 窗口？
Batched Contextual Reinforcement II: Does RLVR Need Long Rollout Windows?
AI 导读
研究提出并发约束强化（CCR），将 3 个独立可验证问题置于单一上限训练生成中，通过共享预算促使模型在无显式长度惩罚下缩短推理。
来源：arXiv cs.LG · arxiv.org