新RL框架Exploration-Distillation：突破LLM探索瓶颈，性能超DAPO
micahgoldblum · x · 2026-10-13
研究者 Micah Goldblum 宣布提出 Exploration-Distillation（ExpDis），一种强化学习框架，旨在解锁 LLM 在 RL 中的激进探索能力，并在性能上大幅超越 DAPO 等标准算法。
核心思路：原则上 LLM 能在 RL 过程中发现新事物，但现有算法难以做到。ExpDis 通过将探索者（explorer）与学生（student）隔离，避免探索者能力退化污染学生模型，从而在提升探索多样性的同时保持通用能力。
所属事件:NYU团队推出ExpDis：解耦探索与优化，性能超DAPO(6 条相关)→
「研究」频道最新
- YC 公司 b12 Labs 推出 b12 Foundry,AI 设计分子自动化量产 — Scobleizer · 2026-10-14
- IBM STAIR 借目录检索，幻觉率降至 0.05%，比对手低 65 倍 — alex_verem · 2026-10-14
- kANNolo 0.12 发布 RerankIndex：两阶段检索框架吞吐超 HNSW — CShorten30 · 2026-10-14
- Gemini 4 登顶 RareBench 与 LabBench，科研基准超 Opus 5.5 — danielmckinn0n · 2026-10-14
- Flow Matching 论文:仅缩放速度场,FID 从 28.0 降至 8.7 — francoisfleuret · 2026-10-14
- Prompteina：用一句自然语言直接设计全原子蛋白质 — RulinShao · 2026-10-14