arXiv 机器学习· Zhixia Zhang, Binqian Xu, Huaiyang Wang, Yikun Ban, Dianbo Liu·· 5 小时前AI 评分33
MS-TTRL：打破多解测试时强化学习中的频率冲突
MS-TTRL: Breaking the Frequency Conflict in Multiple-Solution Test-Time Reinforcement Learning
AI 导读
针对多解测试时强化学习中正确性估计与多样性保留的“频率冲突”，MS-TTRL 通过结果级自我验证实现了两者的解耦。该方法结合三态结果缓存与置信度门控反向概率缩放，选择性增强罕见且可靠结果的学习信号。实验显示，MS-TTRL 较最优无标签基线将恢复率平均提升 19.13 个百分点，性能逼近有监督的 IPS-GRPO。
来源：arXiv 机器学习 · arxiv.org