arXiv·· 12 天前AI 评分31
小语言模型能学会谈判吗？RL 训练卖家的受控规模扩展研究
Do Small Language Models Learn to Negotiate? A Controlled Scaling Study of RL-Trained Sellers
AI 导读
研究用 GRPO 在程序化效用奖励上训练了四个 Gemma 4 检查点（2.3B 至 31B 有效参数），做双边多议题议价，并在训练中未见过的两个前沿买家上评估全部 1,152 场谈判。各规模使用相同学习率（$10^{-6}$），考察 RL 收益随模型规模的变化。
来源：arXiv · arxiv.org