TAC：用跨域迁移性自动优化多领域 RLVR 课程

论文提出 Transfer-Aware Curriculum（TAC），一种面向多领域 RLVR 的在线 bandit 课程算法。它结合各领域优势值衡量当前可学习性，并利用 GRPO 更新中的投影梯度估计跨域迁移性，以低于 1% 的额外墙钟开销选择训练领域。在涵盖数学、编程和科学的六领域套件上，TAC 在 Qwen3-1.7B 与 Llama3.2-3B 上取得最佳宏平均准确率，相比仅依据可学习性的 bandit 方法最高提升 2.8 个百分点（相对 10%）。