浙大北大提出SPADER多答案问答强化学习框架

2026年10月18日，机器之心报道浙江大学与北京大学团队提出SPADER框架，用于改进多答案问答任务。该方法将GRPO的轨迹级优势细化到步骤级，并引入多样性感知探索奖励以激励长尾实体发现，论文被EMNLP 2026 Main收录。报道称，SPADER在Llama3.1-8B与Qwen3-8B两种基座模型、四个多答案QA基准上F1均排名第一，在QAMPARI基准上相对PPO、GRPO最高提升86.1%。消融实验显示，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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。