PulseAugur
实时 09:56:37
实体 Neuron-Guided Rewards

Neuron-Guided Rewards

PulseAugur coverage of Neuron-Guided Rewards — every cluster mentioning Neuron-Guided Rewards 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_257060 ·

    新的YFPO框架通过神经元引导奖励增强LLM推理能力

    研究人员引入了Yoked Feature Preference Optimization (YFPO)框架,这是一种旨在增强大型语言模型推理能力的新颖框架。该方法通过使用AttnLRP识别与数学相关的内部特征,将响应级偏好学习与神经元级奖励相结合。辅助奖励源自这些神经元在偏好响应和非偏好响应之间的激活裕度,然后将其与标准的偏好优化目标相结合。在GSM8K数据集上使用紧凑型语言模型进行的初步实验表明,这些神经元引导的奖励可以积极影响优化…