概念information-gain RL
信息增益强化学习
以推理过程带来的信息增量（如不确定性降低或预测似然提升）作为奖励信号的强化学习方法，不依赖人工标注的最终答案
时间轴 (近 90 天)
11月2日
LARC的训练流程分为两个阶段：课程监督微调（curriculum SFT）与信息增益强化学习（information-gain RL）。
待验证50%
11月2日
信息增益RL以推理过程带来的信息增量作为奖励信号，使模型能在缺乏配对监督的图像生成任务上进行自我改进。
待验证50%
以推理过程带来的信息增量（如不确定性降低或预测似然提升）作为奖励信号的强化学习方法，不依赖人工标注的最终答案
LARC的训练流程分为两个阶段：课程监督微调（curriculum SFT）与信息增益强化学习（information-gain RL）。
信息增益RL以推理过程带来的信息增量作为奖励信号，使模型能在缺乏配对监督的图像生成任务上进行自我改进。