热点事件持续更新

SCARL：按置信度对齐重塑优势值的强化学习

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Zhenghong Ke 等作者提出 SCARL（序列置信度对齐强化学习），用每条回答的组内相对置信度与其结果之间的对齐差距重新缩放优势值，但不改变优势值的正负号，以缓解 RLVR 中策略置信度与奖励脱节的问题。在 Qwen3-4B-Base 上，SCARL 的平均 Pass@32 较 DAPO 提升 2.4 分；作者称，在九种同等算力方法中，其覆盖率与单次采样准确率均最优。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00

SCARL：序列置信度对齐的强化学习

报道时间线

沿着报道，了解事件的不同侧面。

10月31日

12:00
arXiv cs.AI
SCARL：序列置信度对齐的强化学习
研究者提出 SCARL（序列置信度对齐强化学习），通过按组内相对置信度与结果的对齐差距重新缩放优势值，解决 RLVR 中策略置信度与奖励脱节的问题。在 Qwen3-4B-Base 上，其平均 Pass@32 较 DAPO 提升 2.4 分，在九种同等算力方法中覆盖率与单次采样准确率均最优。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月31日 22:00
近 24 小时变化: –

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。