PulseAugur
中
实时 13:41:59
实体 Function-Space Policy Optimization

Function-Space Policy Optimization

PulseAugur coverage of Function-Space Policy Optimization — every cluster mentioning Function-Space Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
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
最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_323951 ·

    新FSPO框架提升LLM推理和工具使用准确性

    研究人员推出了一种新颖的框架——函数空间策略优化(FSPO),旨在提高语言模型的推理和工具使用准确性。FSPO整合了时间巩固和特权适应,减少了内存需求并优于现有方法。该框架将历史的下一个token分布存储为固定目标,实现了时间分离,无需持久的教师模型。这种方法在推理和工具使用基准测试中表现出卓越的性能,在有限的训练预算内实现了更高的准确性,并降低了峰值内存使用量。

  2. RESEARCH · CL_268693 ·

    新研究改进 LLM 的 On-Policy Distillation;OpenAI 应对模型提取攻击

    多篇研究论文探讨了 On-Policy Distillation (OPD) 的高级技术,这是一种通过在训练期间使用教师模型指导学生模型来提高语言模型性能的方法。这些论文引入了函数空间策略优化 (FSPO)、f-OPD、RM-OPD、OPMD、PreSO、Fisher Utility Weighting (FUW) 和 DTDD 等新方法,每种方法都旨在稳定训练、提高效率和增强推理能力。OpenAI 还报告称,他们挫败了一场旨在提取受…