CurveRL: Principled Distribution-Aware Context Reweighting for LLM Reasoning

En 3 lignesCurveRL propose une approche de réépondération de prompts basée sur des transformations de quantiles pour l'apprentissage par renforcement avec récompenses vérifiées (RLVR). La méthode assigne des poids selon le rang et la densité des taux de réussite plutôt que leurs valeurs absolues, surpassant GRPO sur plusieurs benchmarks.

Résumé généré par Claude — vérifié par l'humain