**TGRL：通过温度分组强化学习提升LLM探索效率**

_TGRL: Temperature-Grouped Reinforcement Learning for Efficient Exploration in LLMs_

> 针对可验证奖励强化学习（RLVR）中探索效率低下的问题，提出温度分组强化学习（TGRL）。该方法将温度引起的多样性转化为显式训练信号，通过对比低/高温子集的奖励增益，并利用Jensen-Shannon散度进行token级信用分配。实验表明，TGRL在不增加采样预算的情况下，比基线快36%达到同等精度，并在数学、代码及智能体任务上显著提升性能。

**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/2609.33589)