高校专区

Stanford University（斯坦福大学）

2026-07-24 至 2026-07-24 共收录 1 篇

2510.04019 2026-07-24 cs.LG cs.AI cs.CL 版本更新

Simple Policy Gradients for Reasoning with Diffusion Language Models

为扩散语言模型进行推理的简单策略梯度

Anthony Zhan

机构 * Stanford University（斯坦福大学）

AI总结本文提出 AGRPO 算法，通过优化 dLLM 的去噪步骤提升推理性能，实现多个任务上的显著增益。

Comments 19 pages. ICML 2026

↑