RL-PLUS: Countering Capability Boundary Collapse of LLMs in RL with Hybrid-policy Optimization

发布

2026年04月16日

采集 2026年04月16日 04:31

学术前沿 6.0 分 — 解决RLVR中LLM能力边界坍塌问题，混合策略优化突破on-policy + 大动作空间的限制

评分 6 · 来源：cs.CL updates on arXiv.org · 发布于 2026-04-16

评分依据：解决RLVR中LLM能力边界坍塌问题，混合策略优化突破on-policy + 大动作空间的限制