实体 ProtoQA

ProtoQA

PulseAugur coverage of ProtoQA — every cluster mentioning ProtoQA 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_301547 · Oct 13 · 00:00

新的 ReMaRk 方法通过多个答案增强 LLM 推荐器训练

研究人员开发了一种名为 ReMaRk 的新方法，用于改进大型语言模型 (LLM) 推荐器的训练，特别是在像 Reddit 这样的具有多个正确答案的数据集上。传统的 Rank-GRPO 等方法通过奖励生成的列表与单个选定回复进行训练，这可能导致模型模仿选定回复，而不是生成一个普遍良好的列表。ReMaRk 通过将每个生成的列表与所有可用回复的并集进行联合评分来解决这个问题，从而使强化学习过程更有效率且成本更低。该方法在各种 LLM 主干和…