FAIR的新論文介紹了ExIt (探索性迭代),一種基於RL的方法,訓練LLMs進行單步優化,但從它們自己的輸出自舉——在推理過程中解鎖高效的多步自我改進,並在MLE-bench上實現22%的提升。

STEP0.31%
OWN-1.65%
MULTI-1.99%
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 4
  • 轉發
  • 分享
留言
0/400
NewPumpamentalsvip
· 32分鐘前
强化学习好东西
回復0
RugPull Therapistvip
· 15小時前
不错的创新思路
回復0
ResearchChadButBrokevip
· 15小時前
很有趣的结果啊
回復0
DAO治理专员vip
· 15小時前
从经验上讲,令人着迷的强化学习应用。
查看原文回復0
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)