实体 Self-Credit

Self-Credit

PulseAugur coverage of Self-Credit — every cluster mentioning Self-Credit 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_312784 · Oct 20 · 00:00

Self-Credit 方法通过新颖的信用分配增强 LLM 代理训练

研究人员引入了 Self-Credit，一种使用人类反馈强化学习 (RLHF) 训练 LLM 代理的新颖方法。该技术通过生成密集的监督信号来解决长时程任务中的稀疏奖励问题，这些信号是通过自我分配信用生成的。该系统通过比较成功和失败的滚动中的动作来优化这些自我生成的信用，从而提高关键动作的信用分配。Self-Credit 在 BrowseComp-Plus、GAIA 和 XBench-DeepSearch 等基准测试中表现出显著的性能提…