يعالج AdaPrefix-GRPO مشكلة تلاشي التدرجات في تحسين السياسة النسبية للمجموعة (GRPO) من خلال ضبط طول بادئات الحلول الصحيحة المضافة إلى مشاكل التدريب بشكل ديناميكي. ومن خلال الحفاظ على معدل نجاح قريب من 50%، تضمن هذه الطريقة بقاء إشارة التدرج قوية، وسحب المساعدة في النهاية ليتمكن النموذج المُنفَّذ من حل المشكلات بمفرده.
- في مهام الرياضيات الصعبة مع عمليات الفلو (FLOPs) التدريبية المتطابقة، يضاعف AdaPrefix-GRPO دقة GRPO لنموذج بحجم 0.6 مليار معامل (تحسن بنسبة 2.1x).
- يحقق تحسناً بنسبة 1.6x على Qwen3-1.7B وتحسناً بنسبة 1.7x على معايير AIME.
- يقلل النهج طول التتبع تقريباً إلى النصف مع تنفيذ تغييرات تحضير البيانات فقط وقناع الخسارة على رموز البادئة.
النهج فعال بشكل خاص للنماذج الأصغر، حيث يوفر مكاسب كبيرة في الدقة دون الحاجة إلى تعديلات على المدرب الأساسي.