实体
Halpern
Halpern
PulseAugur coverage of Halpern — every cluster mentioning Halpern across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新的强化学习方法通过细粒度信用分配增强大型语言模型推理能力 · 跟踪 9 个来源
研究人员正在开发用于大型语言模型（LLM）强化学习（RL）的信用分配新方法，以提高其推理和决策能力。几篇论文提出了像 ForkGRPO、CASI、CCPO 和 CoCA 这样的新颖框架，旨在为 LLM 代理采取的行动提供更细粒度和更准确的信用分配。这些方法解决了延迟奖励、稀疏反馈以及区分个体推理步骤贡献的需求等挑战，最终在各种基准测试和实际应用中取得更好的性能。
-
AI安全框架将“信念”扩展到概率分布之外
Richard Ngo 的帖子介绍了一个“不精确信念”框架，该框架超越了传统的概率分布，尤其适用于 AI 安全应用。由“davidad”开发的提议模型将信念定义为下半连续函数，并使用特定类别对其进行排序。这种方法旨在通过整合现有的各种信念形式主义（如贝叶斯信念、Infra-Bayesian 信念、MWER、PDG 和 credal sets）来更好地处理概率分布不足的情况，例如在复杂的决策制定或安全权衡中。
-
为 Situation Calculus 提出新的反事实因果定义
研究人员在 Situation Calculus（一个用于推理动作和变化的形式系统）中引入了因果的新定义。这个新定义基于反事实分析，旨在推广现有的因果概念。所提出的方法扩展了 Halpern 和 Pearl 的 HP 理论，并与 Batusov 和 Soutchanski 开发的 achievement cause 概念相关，解决了析取效应中的细微差别。