如何推广 RLVR 到通用领域推理问题？一起来聊聊基于参考概率奖励的强化学习 RLPR

青稞社区主页：https://qingkeai.online/
原文：https://mp.weixin.qq.com/s/MPuc8kjwAjPYGSdyHrkbqg

RLVR 展现出了巨大的潜力，但现有方法的应用范围局限于数学和代码等少数领域。面对自然语言固有的丰富多样性，清华大学自然语言处理实验室提出基于参考概率奖励的强化学习 RLPR，将 RLVR 推广到通用领域推理问题。

论文：RLPR: Extrapolating RLVR to General Domains without Verifiers
链接: https://arxiv.org/abs/2506.18254
代码：https://github.com/OpenBMB/RLPR

关于 RLPR 的解读：RL突破通用领域推理瓶颈！清华NLP实验室提出基于参考概率奖励的强化学习RLPR

8月12日晚8点，青稞Talk 第71期，清华大学自然语言处理实验室博士生余天予，将直播分享《RLPR：基于参考概率奖励的强化学习，推广 RLVR 到通用领域推理问题》。

分享嘉宾

余天予，清华大学自然语言处理实验室博士生，发表AAAI、CVPR 等人工智能顶会论文多篇，主要研究方向为多模态大模型。

主题提纲

RLPR：基于参考概率奖励的强化学习，推广 RLVR 到通用领域推理问题

1、RLVR 现有方法解析及局限
2、RLPR 核心思路与主要技术分析
3、在通用推理和数学推理基准上的评估验证
4、潜在不足与未来方向探讨

直播时间

8月12日20:00 - 21:00