FastRL 以优势感知剪枝与自适应采样为 GRPO 类方法带来约 2.07 倍训练加速并提升约 1.64% 平均准确率
该工作提出 FastRL，一个可即插即用的强化学习框架，通过优势感知剪枝策略选择性保留高优势轨迹并最大化轨迹间梯度多样性，以及基于历史剪枝分布动态调整采样规模的自适应 rollout 采样机制，在 Geometry3K 与 GeoQA8K-R1V 上实现平均 2.07 倍训练加速，并在视觉推理基准上取得约 1.64% 的平均准确率提升，且可无缝集成到 GRPO、DAPO 与 GSPO 变体中。