实体
Skill Self-Play
Skill Self-Play
PulseAugur coverage of Skill Self-Play — every cluster mentioning Skill Self-Play across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新研究解决了自进化语言模型中的次优更新问题
一篇题为“选择而非学习:选择模型未来”的新研究论文介绍了一种改进自进化语言模型的新方法。该论文识别出“选择到更新的差距”,即当前模型经常继承次优更新。为解决此问题,提出的 HeirCommit 方法使用新的评估问题来决定是否保留更新后的模型,而 EvoHeir 则分离参数和经验继承,在确认之前优化更新。这些方法显著减少了有害更新的接受率,并增强了通用推理能力。
-
EvoHeir框架通过分离继承来改进自进化LLM循环
研究人员推出了一种新颖的EvoHeir框架,旨在增强自进化语言模型循环。该系统通过分离参数和经验继承,解决了看似可学习的任务并不总是产生有益更新的问题。EvoHeir利用新的评估来确认更新,从而减少了有害更改的继承,并提高了推理能力。该框架已显示出有害接受更新的显著减少,并在数学和一般推理方面比现有基线表现出更优越的性能。
-
新框架通过减轻过拟合和改进验证来增强LLM的自我演化
研究人员正在开发新框架以增强大型语言模型(LLM)的自我演化能力。SkillBoost是一个三阶段框架,旨在通过结合结构化利用失败、先验指导探索以及验证接受候选修复来减轻技能过拟合。另一种方法Skill Self-Play(Skill-SP)使用一个包含提议者、求解器和技能控制器的协同演化框架,以平衡任务多样性和验证可靠性。此外,具有自可验证奖励的强化学习(RLSVR)将开放式任务转化为可验证的代理环境,以实现LLM在确定性正确性领域…