arXiv·· 14 天前AI 评分32
CURIO：好奇心驱动的测试时学习框架，用于开放式发现
CURIO: Curiosity-Driven Test-Time Learning for Open-Ended Discovery
AI 导读
针对冻结 LLM 搜索无法从测试问题的成败中更新模型、而 RL 又容易过早压制低奖励但潜在有价值方向的问题，研究者提出好奇心驱动的测试时学习框架 CURIO，用内在奖励补充任务反馈。
来源：arXiv · arxiv.org
CURIO：好奇心驱动的测试时学习框架，用于开放式发现