arXiv 人工智能· Lei Jiang, Honghui Bao, Yue Zhou, Zhengyao Gu, Langzhou He, Natalie Parde·· 6 小时前AI 评分35
基于部分 rollout 的高效强化学习免训练提示词筛选
Training-Free Prompt Selection for Efficient Reinforcement Learning With Partial Rollouts
AI 导读
研究者提出免训练数据选择器 LIFT，仅利用部分推理 rollout 即可筛选高价值提示词，用于高效强化学习（RLVR）。其核心 PRCL 得分仅需前缀片段即可打分，在 Qwen2.5-Math-1.5B 和 DeepSeek-R1-Distill-1.5B 上分别只需完整生成 26% 和 4.7% 的 tokens 即可保留至少 90% 与 95% 的得分。
来源：arXiv 人工智能 · arxiv.org