DIEM：面向强化微调的动态重要样本挖掘框架

研究者提出 Dynamic Important Example Mining（DIEM），一个全自动的强化微调数据利用框架，通过梯度对齐重要性估计器近似每个样本对策略改进的边际贡献，并用约束批重加权方案在保持更新梯度幅度的同时最大化总体效用。在多个推理基准上，DIEM 持续优于强静态与动态基线，代码将通过论文链接发布。