DARA：面向多奖励强化学习的密度感知奖励聚合方法

针对多奖励强化学习中各目标学习进度不均的问题，研究者提出密度感知奖励聚合方法 DARA，通过逆平方根密度校正，为激活频率较低的奖励信号赋予更高权重。在工具调用任务上，DARA 最多减少 26% 训练步数达到高格式合规率；在数学推理任务上，最多减少 65% 步数接近长度合规饱和，最终性能与 GDPO 相当。