新的评分奖励通过平衡基础和丰富性来改进 LLM 的长篇生成

研究人员开发了一种新的训练大型语言模型的方法，以减少长篇文本生成中的幻觉。该方法利用基于评分的奖励系统，该系统指定答案所需的和可选的信息，而不是依赖于更简单的全局丰富性代理。实验表明，基础、评分覆盖率和相关性奖励的平衡组合能产生最佳结果，从而提高分布内支持和分布外迁移。 AI

影响 引入了一种新颖的 LLM 训练方法，有望实现更可靠、信息更丰富的长篇文本生成。

排序理由 这是一篇发表在 arXiv 上的研究论文，详细介绍了一种新的 LLM 训练方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

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