实体 ScaleRLT

ScaleRLT

PulseAugur coverage of ScaleRLT — every cluster mentioning ScaleRLT 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

RESEARCH · CL_327138 · Oct 28 · 04:00

新方法提升智能体强化学习效率 · 跟踪2个来源

研究人员开发了两种新方法来提高语言智能体强化学习（RL）的效率。EnvSched通过从回放历史中学习来优化任务实例和环境的调度，优先考虑信息丰富的奖励差异并确保环境多样性。ScaleRLT通过实现精确的对数概率和更快的延迟回放，解决了RL中循环Transformer的挑战，提高了GSM8K等基准测试的吞吐量和准确性。