Tag: Policy Gradient

All the articles with the tag "Policy Gradient".

• Reinforcement Learning for Reasoning in Large Language Models with One Training Example

  Published: 6 May, 2025 |  at  01:19 AM

  

  85.07 🤔

  本文发现，通过对大型语言模型应用带有可验证奖励的强化学习，仅使用一个训练示例即可显著提升其数学推理能力，效果可媲美使用数千示例进行训练，并揭示了饱和后泛化、跨领域泛化等现象，强调了策略梯度和探索的重要性。