PulseAugur
实时 06:50:53
实体 Consensus Group Relative Policy Optimization

Consensus Group Relative Policy Optimization

PulseAugur coverage of Consensus Group Relative Policy Optimization — every cluster mentioning Consensus Group Relative Policy Optimization 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_239515 ·

    新的C-GRPO方法优化文本生成,降低推理成本

    研究人员推出了一种新颖的文本生成方法——共识组相对策略优化(C-GRPO),旨在降低与样本重排序解码相关的计算成本。与通常需要黄金参考或显式偏好数据的先前方法不同,C-GRPO仅使用效用函数和策略样本将最小贝叶斯风险(MBR)解码提炼到训练中。所提出的目标函数被证明与MBR解码的期望效用目标一致,并提供了收敛保证。在机器翻译和文本摘要任务上的实验表明,C-GRPO在性能上可与MBR解码相媲美,同时优于其他无参考方法。