实体
Pirl
Pirl
PulseAugur coverage of Pirl — every cluster mentioning Pirl across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的RLVR方法增强LLM的鲁棒性和泛化能力 · 跟踪2个来源
研究人员开发了新的方法来提高多模态大语言模型（LLM）的强化学习可验证奖励（RLVR）的鲁棒性和泛化能力。第一种方法是提示不变RLVR（PIRL），它将奖励信号中的格式与内容分离，并在语义等价提示上应用策略不变性，与GRPO相比，在压力测试下准确率下降显著降低。第二种方法是扰动参数策略优化（3PO），它通过从后验采样不同的策略来探索参数空间，在OLMo-3-1025-7B和Qwen2.5-Math-7B等模型上，对于数学推理和代码生成…
-
新的RLVR方法增强了多模态LLM在提示变化下的鲁棒性
研究人员开发了一种名为提示不变RLVR（PIRL）的新方法，以提高多模态大语言模型（MLLMs）在使用可验证奖励强化学习（RLVR）时的鲁棒性。标准的RLVR方法很脆弱，提示的微小变化会显著降低性能，这对于高风险应用来说是个问题。PIRL通过在奖励信号中分离内容和格式，并训练模型对语义等价的提示变化保持不变来解决这个问题。与GRPO等现有方法相比，这种方法在压力测试和动态评估下表现出显著更好的性能。
-
物理信息强化学习在MATLAB演示中将控制误差减少30%
研究人员开发了一种物理信息强化学习（PIRL）方法，将物理定律融入学习过程。该方法使用MATLAB进行演示，显示出将物理系统中的控制误差显著减少约30%的潜力。PIRL方法旨在通过确保其输出符合基本物理原理，来超越将强化学习视为黑箱的做法。