热点事件持续更新
美团提出 TGRL 温度分组强化学习方法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年9月30日，据 AGI Hunt 报道，美团提出 TGRL（温度分组强化学习），将温度带来的 rollout 多样性转化为显式训练信号，以解决 RLVR 的探索效率瓶颈。其做法是：对每个 prompt 的 rollout 组按温度划分为低、高两个子集，通过奖励对比估计探索增益，再用 JS 散度把该信号分配为 token 级 credit。报道称，在不扩大 rollout 预算的前提下，该方法达到同等精度时训练速度最高提升 36%，代码已开源。截至该报道，暂无其他来源或后续进展。
AI 根据报道生成 · 5 小时前更新
最新进展9月30日 10:17
美团 TGRL 将温度多样性转为训练信号，同等精度最高提速 36%，代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AGI Hunt美团 TGRL：温度分组强化学习，RLVR 训练速度提升最高 36%
美团提出 TGRL（温度分组强化学习），把温度带来的 rollout 多样性转为显式训练信号，解决 RLVR 探索效率瓶颈：每个 prompt 的 rollout 组按温度分为低/高两个子集，用奖励对比估计探索增益，再以 JS 散度分配为 token 级 credit。不扩大 rollout 预算下，达到同等精度最高快 36%，代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 11:00）·近 24 小时可比范围变化 –
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。