热点事件持续更新
哈工大提出 GRPODropout 提升 RL 准确率
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月14日，AGI Hunt 报道哈尔滨工业大学团队在 arXiv 发布论文 GRPODropout。该方法针对 GRPO 的策略熵坍缩问题，做法是有选择地剔除少量高概率、正优势的 rollout，而非全部用于更新。报道称，仅用少约 12% 的 rollout 进行更新，训练集 actor 熵提高 446.1%，held-out 集提高 256.0%；平均准确率较原 GRPO 提升 1.55%，pass@1、pass@32 以及推理路径多样性同步改善。目前该工作以论文形式公开，尚未见其他独立来源的复现或验证报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 10:04
哈工大在 arXiv 发布 GRPODropout，称仅用少约 12% rollout 更新即提升准确率 1.55%。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI Hunt哈工大提出 GRPODropout：删掉 12% rollout 反而提升 RL 准确率
哈尔滨工业大学团队在 arXiv 发布论文 GRPODropout，通过有选择地剔除少量高概率、正优势的 rollout 缓解 GRPO 的策略熵坍缩。仅用少约 12% 的 rollout 更新，训练集 actor 熵提高 446.1%、held-out 集提高 256.0%，平均准确率较原 GRPO 提升 1.55%，pass@1/pass@32 与推理路径多样性同步改善。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。