**DelTA：基于可验证奖励的强化学习中判别性Token信用分配方法**

_DelTA: Discriminative Token Credit Assignment for Reinforcement Learning from Verifiable Rewards_

> 本文提出DelTA方法，改进从可验证奖励中进行强化学习（RLVR）时的Token级信用分配。针对标准RLVR中共享高频模式（如格式化Token）可能稀释判别方向的问题，DelTA通过估计Token系数来放大侧特定梯度方向、弱化共享或弱判别方向，从而重塑更新方向。在Qwen3-8B-Base和Qwen3-14B-Base等模型上的数学基准测试中，DelTA分别比同类基线平均提升3.26和2.62分，并展示了在代码生成等任务上的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.21467)