Exploration-Distillation 框架解 RL 探索难题，Lucas Beyer 晒出 17 引用前作
giffmana · x · 2026-10-14
micahgoldblum 发布 RL 新框架 Exploration-Distillation：在原理上允许 LLM 在强化学习中发现新事物，但现有算法难以做到；该框架解锁激进探索，性能大幅超越 DAPO 等标准算法。
有趣的是，Google DeepMind 研究员 Lucas Beyer 回复请对方引用他 2019 年的论文 MULEX——同样主张在深度 RL 中显式解耦探索与利用（多个损失并行优化、共享回放缓冲），但至今仅被引用 17 次，他自嘲这是「最低引用论文求引用」。
所属事件:NYU 团队提出 ExpDis：解耦探索与优化，数学基准超 DAPO(7 条相关)→
「研究」频道最新
- 开发者从零实现迷你 vLLM:连续批处理+分页 KV 缓存全自己写 — Broad-Mirror3873 · 2026-10-16
- Joshua Gans 新论文：如何让员工愿意培训「取代自己的替代者」 — joshgans · 2026-10-16
- Eric Topol 拆解巨噬细胞九大功能程序：疾病状态是程序组合而非类型 — EricTopol · 2026-10-16
- Goodfire 创始人挑战叠加假说：InceptionV1 多语义性或另有成因 — petrusenko_max · 2026-10-16
- 研究者长期实验：什么样的提示词能让 LLM 产出最有意思的点子？ — arjunrajlab · 2026-10-16
- SimpleMark 论文:多比特文本水印可将每 token 失真限制在预算内 — rishabh16_ · 2026-10-16