俄亥俄州立团队推出 EliteReplay，保住 RL 后训练的策略多样性

俄亥俄州立大学团队发布论文 EliteReplay（arXiv 2610.22290），针对 GRPO 等强化学习后训练中的

2026-10-20 ~ 2026-10-20 · 2 条相关

• EliteReplay 预印本：用进化计算式回放缓冲保住 RL 训练的策略多样性 — TuhinChakr · 2026-10-20
• EliteReplay 用质量多样性搜索保住 RL 后训练中被磨掉的解题多样性 — TuhinChakr · 2026-10-20