南洋理工大学提出ReMaRk优化推荐

发生了什么

据Hugging Face Papers收录的论文，南洋理工大学研究团队提出ReMaRk方法，旨在优化LLM推荐系统的强化学习训练。该方法通过联合评分机制对比所有有效回复，而非传统Rank-GRPO方法中单次采样单个回复的模式，从而降低训练成本并减少响应者噪声。实验显示，ReMaRk在七个基准模型和三个数据集上，以传统方法2,000步训练所需步数约四分之一至五成以上的步数即可达到同等验证召回率，且在部分场景下以更少的GPU小时数达到同等性能。