浙大与北大团队提出SPADER：用step-wise GRPO与多样性感知奖励改进多答案问答

浙江大学与北京大学团队提出SPADER，将GRPO的轨迹级优势细化到步骤级，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。该方法在Llama3.1-8B与Qwen3-8B两种基座、四个多答案QA基准上F1全部第一，在QAMPARI上相对PPO、GRPO最高提升86.1%。消融显示步骤级优势、新颖度溢价与信息增益三者缺一不可，代码与模型已开源。