新的RLVR方法微调推理模型以实现储能控制

研究人员开发了一种名为基于验证器的强化微调（RLVR）的新颖方法，用于将开放权重推理模型改编用于复杂的控制任务，例如建筑物的热能存储管理。该方法将精确的动态规划动作值转换为密集奖励，从而能够使用少量提示进行微调。研究表明，RLVR在模拟办公楼中显著减少了排放，使性能接近最优动态规划解决方案。值得注意的是，GPT-5在没有特定任务训练的情况下表现强劲，而GPT-4o则表现不佳，这凸显了推理时推理能力的重要性。 AI

影响 这项研究提供了一种实用的方法，可将大型语言模型改编用于优化建筑能源管理等实际系统，从而可能提高效率并减少排放。

排序理由 学术论文，详细介绍了一种用于特定控制任务的LLM微调新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• dynamic programming
• GPT-4o
• GPT-5
• model predictive control
• Reasoning Models
• Reinforcement Fine-Tuning
• reinforcement learning
• RLVR
• thermal energy storage

• 论文
• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →