arXiv · cs.AI 人工智能· Qiaoman Zhang, Shunhua Min, Xiang He, Zhenghan Zhang, Yuting Zhang, Guangxian Li, Yunzhu Kuang, Rui Jiang, Jingyan Zhang, Chaoyue Li, Jiayu Ding·· 5 小时前AI 评分55
TIDE：用熵门控有界偏差实现 token 级信用分配的免 critic 强化学习框架
TIDE: Token-Level Credit Assignment via Entropy-Gated Bounded Deviation
AI 导读
作者提出免 critic 的强化学习框架 TIDE，用有界 Hellinger 距离替代反向 KL 散度，并用熵门控把序列级优势重新分配到 token 上。在 Qwen2.5-32B 上，TIDE 在 AIME 2024 和 AIME 2025 的 Avg@32 准确率分别达到 60.0% 和 46.0%，高于 DAPO 等免 critic 基线。
来源：arXiv · cs.AI 人工智能 · arxiv.org