实体 AdaptR1

AdaptR1

PulseAugur coverage of AdaptR1 — every cluster mentioning AdaptR1 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

RESEARCH · CL_62292 · May 29 · 09:34

AdaptR1框架通过强化学习降低大型语言模型推理成本

研究人员开发了AdaptR1，一个新颖的框架，它使用强化学习来优化大型语言模型在多跳问答中的推理。与先前在查询级别做出单一决策的方法不同，该方法在每个步骤动态分配推理预算。AdaptR1显著减少了生成的“思考令牌”数量，从而降低了推理成本，同时在HotpotQA等任务上保持或提高了性能。