工具结果缓存可反转组归一化策略更新
原文标题：Marginally Correct Tool Caches Can Reverse Group-Normalized Policy Updates
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究智能体训练中工具结果缓存对 rollout 随机性的耦合影响，证明尽管边际上条件奖励分布一致，按组共享一次随机结果仍可能反转期望的组归一化策略更新。作者推导出精确的有限组表达式，指出共享更新取决于胜负概率差而非期望奖励差，并给出错误方向区域与方差下限。结论表明仅凭边际输出有效性无法证明随机缓存与训练等价。
- 问题
- 智能体训练中工具结果缓存会耦合rollout随机性，边际有效性无法保证训练等价。
- 方法
- 用两动作模型推导有限组精确表达式，证明按组共享随机结果可反转组归一化策略更新，并给出错误方向区域与方差下限。
- 结果
- 验证540种配置与3240次估计器评估，审计复现256次脚本rollout
- 影响
- 提醒工程团队缓存工具结果不能只看输出分布，需检查组归一化更新方向，避免训练被静默带偏。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。