失败是成功之母：利用 Grounding Hindsight 恢复监督信号

英文标题：Failure Is the Mother of Success: Recovering Supervision with Grounding Hindsight

该论文指出，当某个问题的所有 rollout 都失败时，GRPO 既无法获得成功示例，也无法得到非零的组相对优势值。结果是，模型恰恰无法从最需要学习的困难问题中获得训练信号。论文以“Grounding Hindsight”为主题，探讨如何利用失败的推理过程恢复可用于监督和学习的信息；论文编号为 arXiv:2610.21018v1。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB