SCPRM

新模型改进LLM推理评估和内部状态控制

研究人员开发了一个新框架，旨在最大限度地减少大型语言模型（LLM）激活引导中的“附带损害”，以在不负面影响无关任务性能的情况下控制模型行为。另一篇论文介绍了一种模式感知累积过程奖励模型（SCPRM），通过更准确、风险更敏感地评估推理路径来改进知识图谱问答。此外，一种名为面向数据影响的树搜索（DITS）的新方法，通过识别对模型改进影响最大的数据来增强多智能体系统的训练，其性能优于仅依赖Q值的传统方法。