浙大北大团队提出多答案问答RL框架SPADER
热点事件持续更新
浙大北大团队提出多答案问答RL框架SPADER
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
浙江大学与北京大学团队提出多答案问答强化学习框架SPADER，将GRPO的轨迹级优势细化到步骤级，并加入多样性感知探索奖励以激励长尾答案发现，论文被EMNLP 2026 Main收录。 团队称，该方法在Llama3.1-8B与Qwen3-8B两种基座、四个多答案QA基准上F1均列第一；在QAMPARI上相对PPO、GRPO最高提升86.1%。消融实验显示，步骤级优势、新颖度溢价与信息增益三项设计缺一不可。
AI 根据报道生成 · 2 小时前更新
最新进展10月18日 20:28
浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- 机器之心浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索
浙大与北大团队提出SPADER，将GRPO的轨迹级优势细化到步骤级，并用多样性感知探索奖励激励长尾答案发现，论文被EMNLP 2026 Main收录。该方法在Llama3.1-8B与Qwen3-8B两种基座、四个多答案QA基准上F1全部第一，QAMPARI上相对PPO、GRPO最高提升86.1%。消融显示SPA、新颖度溢价与信息增益三者缺一不可。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。