实体 NoveltyBench

NoveltyBench

PulseAugur coverage of NoveltyBench — every cluster mentioning NoveltyBench 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_340247 · Nov 4 · 05:00

新的GRPO方法改进了群体依赖的AI奖励

一篇新研究论文介绍了GRPO（群体奖励策略优化）及其变体Team-GRPO，旨在优化依赖于群体响应集体输出来获取的奖励。标准的GRPO应用于群体依赖奖励时，可能导致“锦标赛”目标，其中每个响应都与其群体成员竞争，可能引起多样性崩溃和比未经训练的模型更差的性能等问题。然而，Team-GRPO仅使用每个提示的两个样本且无需额外的模型调用，即可提供群体依赖奖励的无偏估计，在GlobalOpinionQA和NoveltyBench等基准测试中…