**CorrGRPO:基于相关性归一化的多奖励强化学习优化** _CorrGRPO: Correlation-Normalized GRPO for Mult
原帖
**CorrGRPO:基于相关性归一化的多奖励强化学习优化**
_CorrGRPO: Correlation-Normalized GRPO for Multi-Reward Learning_
> 针对GRPO在多奖励训练中因奖励尺度差异导致信号被主导的问题,提出CorrGRPO方法。该方法将成对协方差归一化为皮尔逊相关系数,在保持总奖励不变的同时平衡不同尺度奖励的影响。实验显示,该方法在代码生成、工具调用及智能体安全等任务上均优于标准GRPO及其他变体。
**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/2609.36820)