探索策略

NudgeRL框架：解决可验证奖励强化学习（RLVR）中策略探索效率低下的问题

HuggingFace社区热门论文介绍NudgeRL框架，该框架通过‘策略推动’机制，为每次生成引入轻量级条件上下文，诱导多样化推理轨迹，无需依赖昂贵监督，为在强化学习中提升大语言模型推理能力提供了一种高效且可扩展的探索新范式。