实体 PACED-RL

PACED-RL

PulseAugur coverage of PACED-RL — every cluster mentioning PACED-RL 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

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_58803 · May 29 · 04:00

新的 PACED-RL 框架提高了 LLM 训练效率

研究人员提出了一个名为 PACED-RL 的新框架，该框架将 GFlowNets 中的配分函数重新解释为 LLM 训练的难度调度器。该方法利用通常未使用的每提示预期奖励信号来提高样本效率和生成多样性。实验表明，PACED-RL 在各种基准测试中优于 GRPO 和其他 GFlowNet 方法等现有方法。