MGE-PO提出熵感知四象限优势塑形方法

Jihao Huang 等作者提出 MGE-PO，一种面向数学推理的熵感知信用分配方法，核心是四象限（4Q）优势塑形：把验证正确性与 rollout 生成熵结合起来，正确性决定额外修正的符号，熵控制修正幅度，使低熵的成功样本获得更大奖励、高熵的失败样本受到更大惩罚。 该方法目前以 arXiv cs.CL 预印本形式发布，报道未给出实验对比结果或适用条件。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。