实体
ICRL
ICRL
PulseAugur coverage of ICRL — every cluster mentioning ICRL 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
时间线
- 2026-05-18 research_milestone Researchers developed the ICRL framework, enabling AI models to learn from their own mistakes without external feedback. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新研究探讨大型语言模型推理中的过程奖励，并质疑上下文强化学习的有效性
一个名为 PROGRS 的新框架已被开发出来，用于改进大型语言模型在数学推理中的强化学习过程奖励的使用。该方法在 arXiv 论文中有所详述，它将过程奖励视为结果组内的相对偏好，而不是绝对目标，以防止奖励攻击并确保结果的正确性仍然占主导地位。在多个基准测试上的实验表明，PROGRS 持续优于仅基于结果的基线。另外，Hugging Face 的一项研究质疑上下文强化学习（ICRL）是否真正起到了强化学习的作用，发现虽然奖励被读取，但其影…
-
Microsoft和南加州大学开发能从自身错误中学习的人工智能
研究人员开发了一个名为ICRL的新强化学习框架，该框架使人工智能模型能够在没有外部反馈的情况下从自身错误中学习。该系统是Microsoft和南加州大学合作的成果，它使用经验、反思和强化循环来培养内部学习能力。该框架旨在创建更自主的人工智能代理，能够持续自我改进。