★ 3
ESRL：用进化策略实现持续测试时学习
论文指出测试时自适应依赖单一策略自生成监督，策略漂移会导致学习信号漂移、推理退化与灾难性遗忘。作者提出进化策略强化学习（ESRL），从参数空间扰动形成策略种群，聚合各轨迹答案生成无标签组相对学习信号。在数学推理、通用知识与医疗领域，平均准确率较基座模型最高提升 31.7%，并显著减少遗忘。
arXiv cs.LG13 天前
#进化策略
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
DART-ES：难度感知的进化策略微调
论文针对进化策略（ES）微调大模型时奖励均匀平均、难以反映题目学习价值变化的问题，提出 DART-ES。该方法根据扰动群体的通过率估计题目难度状态，联合指导难度重加权与稀有可解样本回放。实验在五个基座模型上均优于 ES，GSM8K 平均准确率从 72.07% 提升至 73.53%，且相比 GRPO…
arXiv cs.LG26 天前
★ 3
Hill采样：测试时扩展的简单高效替代方案
论文提出Hill采样，一种简单程序：从冻结LLM反复采样候选程序编辑，保留当前最优程序并以其为条件继续采样。在圆填充、集合和差及Erdos最小重叠问题上，Hill采样在圆填充上创下已发表方法新纪录，超越AlphaEvolve参考结果。研究还发现直接学习LLM权重的进化策略不如将学习率设为零，表明重…
arXiv cs.LG40 天前
★ 2
进化策略异步训练在长程智能体任务中近乎零成本
一篇 arXiv 论文提出有界陈旧度异步进化策略（bounded-staleness asynchronous ES），用于 LLM 长程智能体后训练。在 Endless Terminals 基准上以 Qwen2.5-7B-Instruct 测试，自然异步 Async-1 的留出成功率 25.9%…
arXiv cs.AI27 天前