ASE：用激活空间引导多样化 RLVR 训练轨迹

Yunan Zeng 等作者提出 Activation-Space Exploration（ASE），一种在线多样化训练 rollout 的方法，用于可验证奖励强化学习（RLVR）训练。 该方法先聚类同一问题正确回答与错误回答之间的激活差异，据此构建潜在探索向量库；在后续 rollout 中施加不同向量，引导模型探索其他推理路径。 目前公开信息仅来自作者在论文中的自述，尚无独立验证其提升探索多样性或训练效果的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。