机器之心·· 5 小时前AI 评分53
浙大与北大团队提出 SPADER，用步骤级 GRPO 与多样性奖励提升多答案问答覆盖
EMNLP 2026 Main｜浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索
AI 导读
浙大与北大团队提出 SPADER，将 GRPO 的轨迹级优势细化到决策步级，并用多样性感知探索奖励激励长尾实体发现，论文被 EMNLP 2026 Main 收录。
来源：机器之心 · mp.weixin.qq.com
浙大与北大团队提出 SPADER，用步骤级 GRPO 与多样性奖励提升多答案问答覆盖