arXiv · Machine Learning Theory· Zhen Li, Shuai Zhang, Yanggan Gu, Yiming Zhang, Yang Yu, Mingfa Feng, Congkai Xie, Shuang Yu, Junjie Lai, Hongxia Yang·· 4 hr agoAI score41
TRIAGE：面向原生 NVFP4 强化学习的方向感知失配稳定方法
TRIAGE: Direction-Aware Mismatch Stabilization of Native NVFP4 Reinforcement Learning
AI brief
论文提出 TRIAGE，一种方向感知稳定方法，用分段诊断选择性再平衡策略梯度更新，并对残余严重失配施加有界修复，同时保留采样器与学习器的原生 NVFP4 W4A4 前向执行。在 Qwen3-4B 与 Qwen3-30B-A3B 上，TRIAGE 在五个数学推理基准达到全精度水平性能，原生 NVFP4 加 TRIAGE 的 rollout 吞吐较 BF16 最高提升 2.3x。
Source: arXiv · Machine Learning Theory · arxiv.org