熵正则化：面向可验证演示的交叉熵免费修正
原文标题：Entropy Regularization: A Free Correction to Cross-Entropy for Verified Demonstrations
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，在数学推理、代码生成等存在多个正确答案的可验证任务中，用交叉熵模仿单一专家解可能与验证器风险不一致。作者提出熵正则化交叉熵（ER-CE），以 token 级香农熵作为可控代理来约束策略支撑集。实验表明该方法在数学推理与代码生成基准上稳定提升验证器准确率。
- 问题
- 可验证任务中交叉熵模仿单一专家解与验证器风险不一致。
- 方法
- 提出熵正则化交叉熵 ER-CE，用 token 级香农熵作为支撑集约束的可控代理。
- 结果
- 在数学推理与代码生成基准上稳定提升验证器准确率，未给出具体数字。
- 影响
- 指出模仿式后训练在可验证任务中的失败模式，提供更贴合验证目标的实用训练目标。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文指出交叉熵模仿单一专家解与验证器风险不一致，提出 ER-CE 稳定提升验证器准确率。
- •在数学推理、代码生成等可验证任务中，训练数据常只有一个专家解
- •两个策略可对演示赋予相同似然，却把不同概率质量放在错误输出上
- •给出学习论反例：最小化交叉熵会选出次优策略
- •提出熵正则化交叉熵 ER-CE，用 token 级香农熵作为支撑集的可控代理
- •在数学推理与代码生成基准上，验证器准确率稳定优于标准交叉熵
为什么重要：对做 RLHF/后训练且以验证器判分的目标而言，模仿式目标本身存在系统性错配，ER-CE 是低成本修正。
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
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。