**进化策略用于LLM推理：比GRPO覆盖更广的推理能力**

_Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO_

> 该研究系统分析了进化策略（ES）在大语言模型推理后训练中的优化行为。理论分析和实验表明，ES相比GRPO能实现更广泛的推理覆盖，在Pass@K性能上更优且不会出现熵坍缩。研究还发现，尽管ES会导致较大的参数漂移，但性能提升仅来自稀疏的大幅度参数更新，不会引发灾难性遗忘。此外，ES在更大规模的LLM中需要更小的种群规模。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.27351)