研究人员推出了一种新颖的测试时学习框架CURIO,可增强大型语言模型(LLM)的开放式探索能力。CURIO集成了内在好奇心世界模型(ICWM),为新颖的推理提供预测误差奖励,以补充标准的强化学习奖励。该方法旨在防止抑制那些可能宝贵但最初奖励较低的探索方向。在Qwen3骨干模型上进行的数学发现任务和单细胞去噪实验表明,与仅基于任务的强化学习基线相比,在某些目标上相对提高了18.3%,并增强了去噪性能。 AI
影响 CURIO的驱动好奇心方法有望带来更强大、更具创造力的AI代理,能够应对复杂、开放式的问题。
排序理由 该集群包含一篇详细介绍LLM学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- 2610.04851
- Auguste Hadamard
- circle packing
- CURIO
- International Conference on Wireless and Mobile Communications
- Intrinsic Curiosity World Model
- Qwen3
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →