Cornell TAR 在 RLVR 中实现推理性能与多样性平衡

2026年10月26日，Cornell TAR提出了一种新的框架来解决在强化学习视觉推理（RLVR）任务中会塌多样性的问题。早先报道称，在等奖励模式下，目标不显式偏好某一模式，实践中语义有效推理模式仍消失。最新报道称，Cornell TAR的新框架能够平衡推理性能与多样性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。