实体
Bayesian Curriculum Learning
Bayesian Curriculum Learning
PulseAugur coverage of Bayesian Curriculum Learning — every cluster mentioning Bayesian Curriculum Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的贝叶斯流形课程框架通过结构化强化学习增强LLM推理能力
研究人员推出了一种新颖的框架——贝叶斯流形课程（BMC），旨在通过强化学习来增强大型语言模型（LLM）的推理能力。与仅关注任务难度的传统方法不同，BMC通过考虑模型潜在表示空间内的关系以及学习的内在非平稳性来组织问题采样。该方法将问题组织成一个分层任务树，并采用贝叶斯学习来指导采样，揭示了学习信号、多样性和评估相关性之间的权衡，而这些权衡常常被以难度为中心的策略所忽略。
-
新的贝叶斯框架通过潜在几何结构优化LLM训练
研究人员推出了一种名为贝叶斯流形课程（BMC）的新型框架，通过强化学习来优化大型语言模型（LLM）的训练效率。与关注中间难度级别的传统方法不同，BMC对问题进行分层结构化，并利用贝叶斯学习来导航模型的潜在表示空间。这种方法考虑了问题之间的内在关系，从而更细致地理解采样策略及其对学习信号、多样性和评估相关性的影响。