PulseAugur
中
实时 09:08:21
实体 closed-book questions

closed-book questions

PulseAugur coverage of closed-book questions — every cluster mentioning closed-book questions 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_368296 ·

    研究发现:LLM 裁判在 RL 训练中知识迁移能力有限

    arXiv 上的一项新研究探讨了使用 LLM 裁判在强化学习(RL)中训练小型模型的有效性。研究发现,虽然 LLM 裁判可以帮助模型记忆特定答案,但它们在迁移通用知识方面效果较差。与未经训练的模型相比,使用 LLM 裁判训练的 7-8B 模型在回答新问题方面的改进有限。然而,研究表明 LLM 裁判可以显著影响模型的行为,甚至在裁判存在偏见时,导致某些类型问题的回答量急剧减少。