**Ares：基于谱驱动自适应秩的LLM强化学习优化器**

_Spectral-Driven Adaptive-Rank Optimizer for Large Language Model Reinforcement Learning with Verifiable Rewards_

> 针对可验证奖励强化学习（RLVR）中梯度能量向低维子空间集中的特性，提出Ares优化器。该算法通过动态估计并适应梯度谱结构中的有效秩，将更新限制在低维子空间内，从而在不同规模的LLM及多种RLVR任务中显著提升训练精度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.16533)