实体
Scope-RL
Scope-RL
PulseAugur coverage of Scope-RL — every cluster mentioning Scope-RL 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
2
90 天内 2
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
-
新的SCOPE-RL框架优化LLM推理路径，提高准确性和效率
研究人员开发了SCOPE-RL，一个新颖的两阶段框架，旨在通过优化大型语言模型（LLM）的推理过程来增强其强化学习能力。该方法引入了更细粒度的奖励信号，在成功结果之前和之后都提供反馈，这有助于区分有效的推理路径和效率较低或有缺陷的路径。实验表明，与仅基于结果的标准强化学习相比，SCOPE-RL显著提高了准确性并减少了推理中使用的token数量。
-
新的强化学习方法增强大型语言模型训练的稳定性和效率 · 跟踪 7 个来源
研究人员开发了几种新方法来提高大型语言模型 (LLM) 中强化学习 (RL) 的稳定性和效率。STARE 通过根据惊奇度重新加权 token 级优势来解决策略熵崩溃问题，在推理基准测试中显示出更高的准确性。GrowthHacker 利用 LLM 代理自主优化离策略评估 (OPE) 代码，证明了改进 OPE 系统的可行性。ZPPO 将教师模型保留在提示中而不是策略梯度中，从而增强了小型学生模型的知识蒸馏。GD$^2$PO 通过过滤掉具有…