实体 binary-reward

binary-reward

PulseAugur coverage of binary-reward — every cluster mentioning binary-reward 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_158682 · Jul 23 · 04:00

小型种群 ES 微调 LLM 在奖励调整下显示出潜力

一篇新的研究论文探讨了进化策略（ES）在微调大型语言模型（LLM）方面的有效性，特别是在使用二元奖励时。研究发现，在二元奖励训练中，ES 对大型种群规模的感知需求可能源于奖励设计和归一化，而非内在限制。通过禁用 z-score 优势归一化，研究人员证明了具有小型种群规模（N=2）的 ES 可以在 GSM8K 和 TREC 等基准测试上显著提高性能，甚至优于那些崩溃或性能下降的归一化变体。这表明，通过仔细的奖励设计和归一化，可以用最少的…