TIDE：熵门控Token级信用分配RL框架

1. 13:00
   arXiv cs.AI

   TIDE：基于熵门控有界偏差的 Token 级信用分配框架

   TIDE 是一个无评论家（critic-free）的强化学习框架，用有界 Hellinger 距离替代反向 KL 散度，并通过熵门控机制将序列级优势重新分配到 token 级。在 Qwen2.5-32B 上，TIDE 于 AIME 2024 和 AIME 2025 分别达到 60.0% 和 46.0% 的 Avg@32 准确率，超过 DAPO 等基线。该方法无需价值网络，额外开销可忽略。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。