FoldAct: 用于长时程 RL 的稳定上下文折叠

Research Paper#Reinforcement Learning, Large Language Models, Context Folding🔬 Research|分析: 2026年1月3日 19:41•
发布: 2025年12月28日 00:24
•
1分で読める
•ArXiv

分析

本文解决了大型语言模型长时程强化学习（RL）的可扩展性挑战，特别关注上下文折叠方法。它识别并解决了将摘要动作视为标准动作所产生的问题，这会导致非平稳的观测分布和训练不稳定。提出的 FoldAct 框架提供了创新，以缓解这些问题，从而提高训练效率和稳定性。
引用 / 来源
查看原文
"FoldAct explicitly addresses challenges through three key innovations: separated loss computation, full context consistency loss, and selective segment training."
A
ArXiv2025年12月28日 00:24
* 根据版权法第32条进行合法引用。
较旧

Sistema de navegación de cobertura para vehículos no holonómicos en ambientes de exterior

较新

Data Augmentation for Classification of Negative Pregnancy Outcomes in Imbalanced Data

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv