论文
Boosting LLM Exploration via Weak-Model Guidance in RLVR
在可验证奖励强化学习（RLVR）框架下，利用弱模型引导提升LLM策略熵与推理覆盖度，缓解pass@k性能衰减
首次收录 2026-08-28热度 0.1
rlreasoning
暂未评估,等待下一轮评分。
事件时间线
暂无事件。
关联信号
想把「Boosting LLM Exploration via Weak-Model Guidance in RLVR」相关的机会落到自己的业务上?
想把 AI 机会落到自己的业务上?
灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。