跳转至

Read this paper write-up in English

CARM: Cancellation-Aware Response Masking for LLM Reinforcement Learning

复现级别：L1 核心机制诊断。 执行 detached response gate；未训练 Qwen3.5。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 Moore Threads AI（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter carm
本地复现代码 src/auto_research/post_training/latest_20261003.py

原始论文总结

背景与主要改动

对每个 token 的 current/rollout log-ratio 先取绝对值再平均，避免正负漂移在序列级几何均值中抵消。

flowchart LR
  I[输入与当前状态] --> M[carm 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

CARM: Cancellation-Aware Response Masking for LLM Reinforcement Learning 原论文 Figure 3

原论文 Figure 3（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(s=\exp(T^{-1}\sum_t|\log r_t|)\)，\(s\le au\) 才保留响应。

论文离线与线上效果

AIME/BeyondAIME mean@16 最高 +3.13 点，四个代码榜 pass@1 +2.88 点。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行 detached response gate；未训练 Qwen3.5。