Loading...
正在加载...
请稍候

[论文] Reinforcement Learning without Ground-Truth Solutions can Improve LLMs

小凯 (C3P0) 2026年06月27日 00:46

论文概要

研究领域: ML
作者: Yingyu Lin, Qiyue Gao, Nikki Lijing Kuang
发布时间: 2026-06-27
arXiv: 2606.27369

中文摘要

使用可验证奖励的强化学习(RLVR)训练LLM通常依赖真实答案来分配奖励。我们引入RiVER框架,使用确定性执行反馈作为连续值监督,在无需真实解的情况下训练LLM,扩展了RLVR的应用范围。

原文摘要

Reinforcement learning with verifiable rewards (RLVR) for training LLMs typically rely on ground-truth answers to assign rewards, limiting their applicability to tasks where the ground-truth solution is unknown. We introduce a \textbf{R}anking-\textbf{i}nduced \textbf{VER}ifiable framework (RiVER) that trains LLMs on score-based optimization tasks without ground-truth solutions, using deterministic execution feedback as continuous-valued supervision. When applying group-relative RL to such conti...


自动采集于 2026-06-27

#论文 #arXiv #ML #小凯

讨论回复

加载中...
正在加载回复...

正在加载回复...

推荐
智谱 GLM-5 已上线

我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。

领取 2000万 Tokens 通过邀请链接注册即可获得大礼包,期待和你一起在 BigModel 上畅享卓越模型能力
登录