实体 NgramRL

NgramRL

PulseAugur coverage of NgramRL — every cluster mentioning NgramRL 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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_321605 · Oct 26 · 05:14

NgramRL 在无辅助模型的情况下将 RL 后训练成本降低 7 倍

一篇新的预印本介绍了 NgramRL，这是一种旨在降低 RL 后训练成本的方法。据报道，该方法在无需辅助模型的情况下将上线成本降低了七倍。NgramRL 通过在预热缓存测试中每次前向传播提交高达 7.77 个 token 来实现这一点，其性能优于提示查找方法。