Audit-First VAPO：不完美验证器下的风险认证选择性更新

Miaobo Hu 等作者发布论文提出 Audit-First VAPO 方法，将离散的方向准入与连续的幅度控制分离，用有限二次验证预算的 accept-appeal-abstain 策略，在干净标签加入前冻结动作轨迹。作者称，该方法对选中有害风险、覆盖率和验证器调用率给出有限样本认证。 该方法针对的是验证器不完美条件下的选择性更新：是否采纳一个更新方向由离散准入决定，更新幅度另行连续控制，验证预算有限。论文给出的认证指标包括选中有害风险、覆盖率与验证器调用率。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。