PulseAugur
中
实时 14:36:48
实体 adversarial generator-discriminator framework

adversarial generator-discriminator framework

PulseAugur coverage of adversarial generator-discriminator framework — every cluster mentioning adversarial generator-discriminator framework across labs, papers, and developer communities, ranked by signal.

Show in brief
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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_121407 ·

    新的大型语言模型训练方法结合了可验证的奖励和人类演示

    研究人员开发了一个新的大型语言模型（LLM）训练框架，该框架结合了可验证的奖励和人类演示。这种方法解决了当前仅关注客观指标的方法的局限性，这些方法常常忽略风格和结构等主观质量，可能导致不自然的响应和奖励漏洞等问题。提出的对抗性生成器-判别器模型学会优化任务准确性和源自人类示例的对抗性奖励信号，从而有效地捕捉输出质量的不可验证方面。在修复错误、故事生成和奖励漏洞基准测试中的实验表明，在保持或提高客观性能的同时，这些主观质量得到了显著改善。