BriefGPT - AI 论文速递 · 2025-05-21T00:00:00Z

Pass@K Policy Optimization: Addressing More Challenging Reinforcement Learning Problems

📝

内容提要

本研究提出了Pass@K策略优化(PKPO)方法，解决了传统强化学习算法在样本独立优化中多样性不足的问题。该方法通过优化pass@k性能，提升了复杂任务中的学习能力。

🏷️

标签

Pass@K 多样性 强化学习 样本独立 策略优化