NEUSTARE: Token-Level Stabilitätsverfahren gegen Policy-Entropie-Kollaps in GRPO-Training18. Juni 202619. Juni 2026AI Models, Claude AIShare on:STARE nutzt Überraschungsmetriken und selektive Advantage-Reweighting, um Policy-Entropie über lange Trainingssequenzen stabil zu halten und dabei Genauigkeit um 4–8 % zu verbessern. Share on:
