JD（京东）

Leveraging Error Diversity in Group Rollouts for Reinforcement Learning

利用群体回滚中的误差多样性进行强化学习

Wenpu Liu, Yuqi Xu, Weichu Xie, Yongfu Zhu, Shuai Dong, Ziyue Wang, Wenqi Shao, Xiaoying Zhang, Tong Yang, Nan Duan, Jiaqi Wang

机构 * Peking University（北京大学） ； JD.COM（京东公司） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 本文提出EDAS方法，通过利用群体回滚中的误差多样性来提升强化学习的效果，通过调整错误回滚的优势信号，鼓励模型保持多样化的推理路径，从而提高训练成功率。

Comments Code available at https://github.com/EDAS-jd/EDAS