PulseAugur
中
实时 13:12:33
实体 Kernelized Advantage Estimation

Kernelized Advantage Estimation

PulseAugur coverage of Kernelized Advantage Estimation — every cluster mentioning Kernelized Advantage Estimation 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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_11403 ·

    新的 Kernelized Advantage Estimation 通过非参数统计方法改进 LLM 推理能力

    研究人员引入了 Kernelized Advantage Estimation (KAE) 来通过强化学习增强大型语言模型 (LLM) 的推理能力。KAE 解决了现有方法（如 Proximal Policy Optimization 和 GRPO）的局限性，这些方法要么计算开销高，要么需要过多的采样。通过利用经典的非参数统计方法，特别是核平滑，KAE 旨在以更少的每次提示推理轨迹来实现准确的值和梯度估计。这种方法在资源受限的环境中尤其…