arXiv· Shurun Li·· 4 天前推荐指数62
arXiv 论文：GRPO 中面向 reward hacking 的预算化强验证器审计策略
Audit Where Hacks Pay: Budgeted Strong-Verifier Audits Against Reward Hacking in GRPO
AI 导读
论文研究在 GRPO 训练中如何用有限的强验证器预算审计弱通过的 rollout，提出按通过数最少的组优先审计（LB）的策略。
来源：arXiv · arxiv.org