arXiv stat.ML· Kaifei Wang, Zikang Shan, Liwei Wang, Yinyu Ye, Han Zhong·· 19 天前AI 评分35
动量何时能在可验证奖励强化学习（RLVR）中发挥作用？
When Does Momentum Help in Reinforcement Learning with Verifiable Rewards?
AI 导读
研究针对可验证奖励强化学习（RLVR）中一阶动量的有效性提出理论分析，证明在避免超调的安全范围内增大指数移动平均（EMA）系数 $\beta$ 可严格加速优化。
来源：arXiv stat.ML · arxiv.org