**ReMaRk：优化 LLM 推荐系统中的 GRPO 强化学习效率** _Many Right Answers, One Training Example:

**ReMaRk：优化 LLM 推荐系统中的 GRPO 强化学习效率**

_Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders_

> 研究指出，在处理具有多个正确答案的推荐任务时，传统的 Rank-GRPO 仅选择单一回复作为奖励基准，导致训练效率低下。新提出的 ReMaRk 方法通过对所有正确答案进行联合评分，显著降低了训练成本，在多个任务中展现出更优的性能表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.17771)