**DIEM：强化微调中的动态重要示例挖掘框架**

_Dynamic Important Example Mining for Reinforcement Finetuning_

> 强化微调（RFT）常被用于提升大模型的推理能力，但现有方法多依赖静态或启发式样本选择，忽视了策略学习的非平稳动态。本文提出动态重要示例挖掘（DIEM）框架，通过梯度对齐重要性估计器高效评估每个样本对策略改进的边际贡献，并结合约束批次重加权方案在稳定优化的同时最大化整体效用。在多个推理基准上，DIEM持续优于静态与动态基线方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.29252)