arXiv 定量生物学· Xinwu Ye, He Cao, Hao Li, Bin Feng, Zijing Liu, Xiangru Tang, Yu Li, Shenghua Gao·· 27 天前AI 评分20
SGRPO:以集合级多样性奖励拓展生物分子生成效用-多样性前沿
Pushing Biomolecular Utility-Diversity Frontiers with Supergroup Relative Policy Optimization
AI 导读
研究者提出 Supergroup Relative Policy Optimization(SGRPO),一种从集合级多样性直接构建奖励的 GRPO 式框架,通过比较同一条件下候选集合的多样性并将组多样性奖励按留一法贡献分配给单条 rollout。
来源:arXiv 定量生物学 · arxiv.org