Snorkel 提出 binary-gated GRPO：部分给分奖励可能阻碍任务完成
ajratner · x · 2026-10-16
Snorkel AI 发布新研究，指出 agent 强化学习中的常见做法「部分给分」（partial credit）可能与其初衷相悖：一个总是取得部分进展但从不完成的策略（pass@k=0）在分数式奖励下反而优于五次才完成一次的策略。![配图]
「研究」频道最新
- OpenTac 上传 3D 模型 3 秒生成触觉传感器柔性电路,覆盖 93% 面积 — anand_bhattad · 2026-10-23
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23