研究人员开发了 EVOL-RL,一种无需依赖外部标签即可改进语言模型的新颖方法。该方法解决了“选择诱导多样性崩溃”的问题,即自我选择会缩小模型的响应池。EVOL-RL 通过使用多数投票进行稳定选择和基于嵌入的新颖性来细化信用,同时熵正则化和不对称裁剪有助于维持多样化的推广。实验表明,EVOL-RL 在 AIME24 和 AIME25 数学竞赛等任务上的性能显著提高,优于基线方法。 AI
影响 该方法可以通过减少对标记数据的依赖,从而实现更高效的 LLM 训练,并可能加速开发周期。
排序理由 该集群包含一篇 arXiv 论文,详细介绍了演进语言模型的新方法。[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 →