NGU：让LLM强化学习永不放弃难题
原文标题：Learning to Solve Hard Problems in RL for LLMs by Never Giving Up
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出LLM的RL训练存在马太效应：简单题提升大、难题提升小，原因是算力被浪费在简单题上。作者提出Never Give Up自适应采样方法，持续为同一问题生成样本直到答对，借助异步RL把算力重新分配给难题，在Deepscaler数学基准与Manufactoria编码任务上提升单位算力表现。
深读 · 结论先行AI 生成展开看要点与影响 ↓
NGU对同一问题持续采样直到答对，把算力从简单题挪给难题，提升单位算力表现。
- •论文指出LLM的RL存在马太效应：简单题提升大、难题提升小，算力被浪费在简单题上。
- •NGU是自适应采样方法，持续为同一问题生成样本直到答对，借异步RL自然减少简单题采样。
- •在Deepscaler数学基准上提升单位算力表现，难题上尤为明显。
- •在Manufactoria编码任务上，标准GRPO配逐测试奖励无法完全解出含难易测试的问题，NGU逐步攻克更难测试直至全解。
- •作者还考察了off-policy鲁棒性等设计选择并给出最佳实践。
为什么重要：直接针对RL训练算力分配效率，对做LLM推理RL训练、受算力约束的团队有可复用价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。