跳到正文
热点事件持续更新

研究:RL后训练可构建组合推理策略

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Azwar Abdulsalam、Nishil Patel 与 Andrew Saxe 发表论文,研究 RL 后训练是仅放大基座模型已有的基础技能,还是能将其组合成新的更高层策略。 研究在完全可观测的重写语法环境中发现,RL 后训练能让 Transformer 解决预训练模型即便加大采样预算也极少解决的留出问题;而拒绝微调(RFT)早期有提升,随后停滞。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    RL 后训练如何构建组合式推理策略

    在完全可观测的重写语法环境中,RL 后训练能让 Transformer 解决预训练模型即便加大采样预算也极少解决的留出问题,而拒绝微调(RFT)早期有提升但随后停滞。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。