提出前缀采样(Prefix Sampling)方法,用于解决二元奖励强化学习中 rollout 计算效率低的问题,通过将通过率控制至 50% 的最优信号区间,在智能体软件开发等任务上实现了最高 2.01 倍的端到端加速且保持或提升最终性能。
机构:百度
来源:arXiv 2605.05112 | AI4Papers 论文推荐平台