研究人员推出了一种新颖的强化学习技术——非对称分组策略优化（AGPO），旨在提高大型语言模型的推理能力。AGPO通过抑制错误路径并专注于稀有、正确的路径，来防止当前方法中常见的推理模式狭窄化。在数学基准测试上的实验表明，AGPO达到了最先进的准确率，并在大规模应用中提高了性能。该方法还被应用于优化京东的搜索广告相关性，为下游模型带来了显著的收益。 AI
影响 这项新的优化技术可以提高LLM的推理准确性和效率，可能改善搜索相关性等领域的应用。
排序理由 这是一篇详细介绍改进LLM推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
