概念policy entropy
策略熵
强化学习中衡量策略输出不确定性或随机性的统计量，对LLM而言反映生成回答的分散程度，常被用作探索程度的诊断指标或控制信号。
时间轴 (近 90 天)
11月5日
此前研究试图将策略熵同时作为诊断工具和控制信号，但实验发现仅提高熵并不能可靠改变最终平台期。
待验证50%
强化学习中衡量策略输出不确定性或随机性的统计量，对LLM而言反映生成回答的分散程度，常被用作探索程度的诊断指标或控制信号。
此前研究试图将策略熵同时作为诊断工具和控制信号，但实验发现仅提高熵并不能可靠改变最终平台期。