**DARA:基于密度感知的多奖励强化学习聚合方法**

_Make Sparse Rewards Count: Density-Aware Reward Aggregation for Multi-Reward RL_

> 针对多奖励强化学习中不同目标学习进度不均的问题,论文提出密度感知奖励聚合(DARA)方法。该方法通过逆平方根密度校正,动态增加对低频激活奖励的权重,无需修改底层策略优化目标。实验表明,DARA 在工具调用和数学推理任务中显著加速了目标行为的习得,分别比 GDPO 减少 26% 和 65% 的训练步数,且最终性能保持竞争力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.00574)