实体 Best-of-Nash

Best-of-Nash

PulseAugur coverage of Best-of-Nash — every cluster mentioning Best-of-Nash 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_244870 · Sep 10 · 04:00

arXiv论文提出新的推断时AI对齐方法

研究人员引入了在推断时对齐AI模型的新颖方法，为RLHF和DPO等传统微调技术提供了一种更有效率的替代方案。这些新方法，Best-of-Nash (BoN) 和 Nash Mirror Descent (NMD)，通过处理一般偏好而非依赖单一标量奖励模型，解决了现有推断时方法的局限性。所提出的算法被表述为在两人零和博弈中寻找纳什均衡，并在各种数据集上的实证表现与微调模型相当或超越。