arXiv · Machine Learning· Shuo Shen, Guangran Cheng, Chengqi Lyu, Xiangsen Wang, Yanan Sun, Wenwei Zhang·· 8 小时前AI 评分43
S3AC：面向 LLM 推理的稳定、选择性与可扩展 Actor-Critic
S3AC: Stabilized, Selective, and Scalable Actor-Critic for LLM Reasoning
AI 导读
S3AC 面向 LLM 推理提出稳定、选择性且可扩展的 Actor-Critic 方法，通过训练 critic 提供 token 级 advantage 和 prompt 级 baseline，并据此引入 Difficulty-Aware Prompt Sampling（DAPS）。
来源：arXiv · Machine Learning · arxiv.org