介绍Diversity Aware RL新方法，提升质量与多样性

多样性感知强化学习 (DARLING)
:
http://
arxiv.org/abs/2509.02534
- 使用学习到的划分函数联合优化质量与多样性
- 在质量和多样性指标上均优于标准RL，例如更高的pass@1/p@k
- 适用于不可验证和可验证任务
1/5