热点事件持续更新
研究者提出历史重参数化策略梯度方法OHR
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月20日，arXiv机器学习发布关于重参数化分值函数的研究。研究人员提出了历史重参数化（HR）策略梯度方法，通过将分值函数中的冻结前缀替换为可微的重参数化或松弛历史，使下游梯度能够沿生成轨迹反向传播，以改善稀疏奖励下的信用分配瓶颈。为解决直接引入松弛导致的偏差，研究进一步推导出了具有闭式最优系数的中心化控制变量估计器OHR，用以最小化梯度方差。在离散token任务中，嵌入层级松弛随时间步增长展现出了显著的方差缩减效果。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 12:00
研究者提出历史重参数化策略梯度及OHR估计器，以降低梯度方差。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习论重参数化分值函数
研究人员提出了历史重参数化（HR）策略梯度，通过将分值函数中的冻结前缀替换为可微的重参数化或松弛历史，让下游梯度能够沿生成轨迹反向传播以改善稀疏奖励下的信用分配瓶颈。针对直接引入导致的偏差，研究推导出了具有闭式最优系数的中心化控制变量估计器 OHR，用于最小化梯度方差。在离散 token 任务中，嵌入层级松弛随时间步增长展现出显著的方差缩减效果。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。