**HDL：基于后见分歧定位的高效可验证奖励强化学习方法**

_Where the Model Changes Its Mind: Hindsight-Divergence Localization for Efficient Reinforcement Learning with Verifiable Rewards_

> HuggingFace 社区热门论文提出 Hindsight-Divergence Localization (HDL) 方法，利用后见之明引起的 token 对数似然变化来定位关键决策分支点。该方法通过复用根轨迹前缀并仅对新生成的后缀进行策略更新，显著降低了生成成本。实验显示，相比 GRPO，HDL 在数学、代码和智能体任务中实现了 2.5 倍的 token 生成减少和 1.8 倍的推理加速，同时在智能体任务上取得了高达 12.5 分的性能提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.36864)