上海AI实验室提出S3AC：免分组rollout的actor-critic长推理训练

上海AI实验室提出S3AC，一种不依赖分组rollout的actor-critic训练方法，用于提升LLM长链推理能力。该方法结合难度感知的prompt采样，针对现有RLVR方法缺少token级credit assignment、分组rollout需等待组内最慢响应等问题。