实体
Reinforcement Fine-Tuning
Reinforcement Fine-Tuning
PulseAugur coverage of Reinforcement Fine-Tuning — every cluster mentioning Reinforcement Fine-Tuning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
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
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
30个提示词可将AI微调至最优储能控制
研究人员展示了仅使用30个特定提示词即可显著优化一个开源AI模型在储能控制方面的表现。根据一项预印本研究，这种微调方法将该模型的建筑排放量降至61.2千克二氧化碳，非常接近60.8千克二氧化碳的最优目标。
-
新的RLVR方法微调推理模型以实现储能控制
研究人员开发了一种名为基于验证器的强化微调（RLVR）的新颖方法，用于将开放权重推理模型改编用于复杂的控制任务，例如建筑物的热能存储管理。该方法将精确的动态规划动作值转换为密集奖励，从而能够使用少量提示进行微调。研究表明，RLVR在模拟办公楼中显著减少了排放，使性能接近最优动态规划解决方案。值得注意的是，GPT-5在没有特定任务训练的情况下表现强劲，而GPT-4o则表现不佳，这凸显了推理时推理能力的重要性。