★ 2
晶体生成模型离散通道强化学习与奖励劫持
研究用组相对策略优化（GRPO）对齐基于随机插值与离散流匹配的晶体生成模型，将亚稳、独特、新颖结构产率从13.4%提升至45.5%。同时发现直接强化原子类型转移似然会引发奖励劫持，需显式防护；并指出社区指标mSUN存在漏洞，单元素不同堆积被误计为新材料。
arXiv cs.LG27 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究用组相对策略优化（GRPO）对齐基于随机插值与离散流匹配的晶体生成模型，将亚稳、独特、新颖结构产率从13.4%提升至45.5%。同时发现直接强化原子类型转移似然会引发奖励劫持，需显式防护；并指出社区指标mSUN存在漏洞，单元素不同堆积被误计为新材料。