University of California, Los Angeles（加州大学洛杉矶分校）

Learning as Reasoning Unfolds: Progressive Rollout Allocation for Efficient Reinforcement Learning

学习随推理展开：用于高效强化学习的渐进式展开分配

Heyang Jiang, Henry Liu, Baharan Mirzasoleiman

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 研究针对强化学习中GRPO方法计算昂贵且不稳定的问题，提出VIGOR方法，通过方差引导在线分配展开，理论上推导其加速比，实验表明该方法在数学推理和编码任务中能减少展开次数并提升通过率。

Generalized Neural Operator for Parametric and Boundary-Value Problems

用于参数和边值问题的广义神经算子

Ruoyan Li, Yizhou Sun, Wei Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 研究针对偏微分方程基础神经模拟器面临的条件无关部署、物理保真度和推理效率瓶颈，提出广义神经算子，通过形式化适定性条件，引入三个新颖架构组件，实现跨异构物理状态的卓越泛化与高效推理。