PulseAugur
中
实时 06:35:49
实体 Reinforcement Finetuning

Reinforcement Finetuning

PulseAugur coverage of Reinforcement Finetuning — every cluster mentioning Reinforcement Finetuning across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_228678 ·

    新的DIEM框架通过动态数据选择增强LLM强化微调

    研究人员开发了一个名为动态重要示例挖掘（DIEM）的新框架，以提高大型语言模型（LLM）强化微调（RFT）的有效性。DIEM通过在整个训练过程中动态调整数据利用率，解决了RFT中静态数据选择的局限性。它包含一个梯度对齐重要性估计器来近似样本贡献，以及一个批重加权方案来稳定优化。在推理基准上的实验表明，DIEM始终优于现有的静态和动态方法。