MEDS

MEDS（Memory-Enhanced Dynamic Reward Shaping）是一种面向大语言模型强化学习训练的记忆增强型奖励塑形方法。它通过复用前向传播中的层级logits作为轻量级推理行为表征，对历史错误模式进行聚类，并对重复性失败施加更强惩罚，从而提升推理泛化性与采样多样性。项目基于veRL框架实现，支持与现有RLHF流程无缝集成。适用于需要提升LLM复杂推理鲁棒性、减少错误复现、增强探索能力的场景，如数学推理、代码生成和多步逻辑问答等任务的训练优化。