PulseAugur
中
实时 07:09:43
实体 Off-policy control policy evaluation

Off-policy control policy evaluation

PulseAugur coverage of Off-policy control policy evaluation — every cluster mentioning Off-policy control policy evaluation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_321678 ·

    新的LLM代理蒸馏框架提供分层控制

    研究人员提出了一个新的用于蒸馏交互式大型语言模型(LLM)代理的框架,该框架超越了传统的on-policy vs. off-policy区分。他们的方法引入了一种分层蒸馏方法,将生成交互历史的策略与生成动作前缀的策略分离开来。实验表明,将学生模型诱导的历史与教师模型生成的动作前缀配对产生了最强的结果,而完全的on-policy数据在与其他配置混合时变得有益。研究还发现,这些策略的配对和时间安排对性能有显著影响,为代理蒸馏提供了实用的指导。

  2. RESEARCH · CL_178464 ·

    新方法解决持续学习中的灾难性遗忘问题 · 跟踪8个来源

    研究人员正在开发新方法来解决持续学习中的灾难性遗忘问题,即模型在学习新任务时会丢失先前获得的知识。几篇论文提出了新颖的技术,包括可学习的小波激活、技能引导的自适应记忆检索和持续蒸馏学习。其他方法侧重于表示微调、激活加权自适应保留和分组 LoRA 适配器合并,以提高模型的塑性和稳定性。这些进展旨在使模型能够更有效地进行顺序学习并适应不断变化的数据流。