PulseAugur
中
实时 07:50:52
实体 AIRL-S

AIRL-S

PulseAugur coverage of AIRL-S — every cluster mentioning AIRL-S 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_216015 ·

    新的AIRL-S框架统一了强化学习和基于搜索的方法，用于LLM的测试时扩展

    研究人员推出AIRL-S，一个新颖的框架，它统一了强化学习和基于搜索的方法，用于大型语言模型的测试时扩展。该方法从参考轨迹中推断出密集的奖励模型，无需标记过程数据，并避免了训练不稳定和奖励攻击等问题。在八个基准上的评估显示，AIRL-S比基础模型平均性能提高了9%，达到了GPT-4o的能力。