DPWriter: Reinforcement Learning with Diverse Planning Branching for Creative Writing

强化学习 支化(高分子化学) 计算机科学 多样性(政治) 分歧(语言学) 人工智能 过程(计算) 钢筋 创造性地解决问题 分支过程 机器学习 管理科学 相(物质)
作者
Qian Cao,Yahui Liu,Wei Bi,Yi Zhao,Ruihua Song,Xiting Wang,Ruiming Tang,Guorui Zhou,Han Li
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2601.09609
摘要

Reinforcement learning (RL)-based enhancement of large language models (LLMs) often leads to reduced output diversity, undermining their utility in open-ended tasks like creative writing. Current methods lack explicit mechanisms for guiding diverse exploration and instead prioritize optimization efficiency and performance over diversity. This paper proposes an RL framework structured around a semi-structured long Chain-of-Thought (CoT), in which the generation process is decomposed into explicitly planned intermediate steps. We introduce a Diverse Planning Branching method that strategically introduces divergence at the planning phase based on diversity variation, alongside a group-aware diversity reward to encourage distinct trajectories. Experimental results on creative writing benchmarks demonstrate that our approach significantly improves output diversity without compromising generation quality, consistently outperforming existing baselines.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
房白凝完成签到 ,获得积分10
2秒前
6秒前
求知小生完成签到 ,获得积分10
10秒前
文静的剑心完成签到,获得积分10
11秒前
科研小趴菜完成签到 ,获得积分10
14秒前
冯冯完成签到 ,获得积分10
16秒前
研友_LmVygn完成签到 ,获得积分10
16秒前
四叱冬青木完成签到 ,获得积分10
19秒前
LNdOjk完成签到,获得积分10
22秒前
心想事成完成签到 ,获得积分10
27秒前
安安完成签到,获得积分10
30秒前
CrsCrsCrs完成签到,获得积分0
33秒前
风中星月完成签到 ,获得积分10
36秒前
小喵不上课完成签到 ,获得积分10
37秒前
汉堡包应助skier采纳,获得10
40秒前
tigger完成签到,获得积分10
41秒前
yu123123完成签到 ,获得积分10
41秒前
秋风应助慧子采纳,获得10
42秒前
坚强的绿萝完成签到 ,获得积分10
42秒前
胖胖完成签到 ,获得积分0
43秒前
44秒前
hongdie完成签到 ,获得积分10
44秒前
勤qin完成签到 ,获得积分10
48秒前
妙奇完成签到,获得积分10
48秒前
LArry完成签到,获得积分10
50秒前
兴奋雁风完成签到,获得积分10
51秒前
天宇完成签到,获得积分10
53秒前
54秒前
win050532完成签到 ,获得积分10
54秒前
大方念云完成签到 ,获得积分10
54秒前
直率若烟完成签到 ,获得积分10
56秒前
白桃战士完成签到,获得积分10
57秒前
魔幻雅柔完成签到,获得积分10
58秒前
CRUSADER发布了新的文献求助10
1分钟前
初景发布了新的文献求助10
1分钟前
渐变映射完成签到 ,获得积分10
1分钟前
1分钟前
songyu完成签到,获得积分10
1分钟前
lemon完成签到 ,获得积分10
1分钟前
Atari完成签到,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Rosenblum, Global Change Biology 800
自動車の空力技術 800
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 800
Organizational Behavior 510
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 化学工程 工程类 有机化学 物理 复合材料 生物化学 内科学 细胞生物学 基因 遗传学 免疫学 冶金 光电子学 癌症研究
热门帖子
关注 科研通微信公众号,转发送积分 7778444
求助须知:如何正确求助?哪些是违规求助? 9318783
关于积分的说明 20366209
捐赠科研通 7365553
什么是DOI,文献DOI怎么找? 3319210
关于科研通互助平台的介绍 2467170
邀请新用户注册赠送积分活动 2334659