arXiv · cs.LG· Ria Shekhawat, Abhijeet Sinha, Yingtao Zhu, Dianbo Liu·2026-11-04 13:00· 7 小时前

Density-Aware Reward Scaling（DARS）：按密度反比缩放奖励的强化学习框架

Density-Aware Reward Scaling: A Reinforcement Learning Framework for Reward-Proportional Sampling

AI 导读

研究者提出 Density-Aware Reward Scaling（DARS），一种在连续结果空间中按每个 on-policy rollout 组内结果局部密度反比缩放奖励的奖励处理机制，无需密度模型、辅助目标、critic 或改动策略梯度目标。

来源：arXiv · cs.LG · arxiv.org