Byzantine-Robust Decentralized GRPO: Defending Against Domain Poisoning and Reasoning-Inflation Attacks
Este artículo presenta Dec-GRPO, un marco de Optimización de Política Relativa de Grupo descentralizado y robusto ante ataques bizantinos que se defiende contra ataques de envenenamiento de dominio e inflación de razonamiento mediante la integración de filtrado de logit de referencia, selección ponderada por reputación, agregación Multi-Krum y ventajas penalizadas por longitud adaptativa.