arXiv 人工智能· Jiaying Zhou, Jiachen Liu, Qingchao Chen·· 2 days agoAI score35
一个偏移，两个方向：基于子群偏移的基线调整
One Offset, Two Directions: Baseline Adjustment via Subgroup Offsets
Not yet translated; shown in Chinese.
AI guide
针对 GRPO 全局基线无法兼顾异质子群差异的问题，研究提出基于子群均值与全局均值的偏移量来调整基线。该方案引入带符号系数衍生出对齐（强化子群内相对表现）与对比（强化子群相对质量）两个方向，且不改变奖励信号与优化目标。在 Qwen3-8B-Base 与 Olmo3-7B-Base 的 4 个竞赛级数学基准测试中，两方向均稳定提升了多样本覆盖率，其中对比方向效果更强。
Source:arXiv 人工智能 · arxiv.org