实体 4B-A3B

4B-A3B

PulseAugur coverage of 4B-A3B — every cluster mentioning 4B-A3B across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_324340 · Oct 27 · 04:00

新的多尺度策略优化提升了LLM智能体的性能

研究人员开发了一种名为多尺度策略优化（MPO）的新方法，以提高长时序大型语言模型（LLM）智能体的性能。MPO通过在回合层面进行优化，并进行更精细的代币层面分配，解决了跨多个回合分配行动功劳的挑战。在涉及搜索、工具使用和自动化的任务上使用4B和30B-A3B模型进行的实验表明，与现有的强化学习基线相比，性能得到了持续改进。