实体 Tomas Duncun

Tomas Duncun

PulseAugur coverage of Tomas Duncun — every cluster mentioning Tomas Duncun 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

TOOL · CL_344440 · Nov 6 · 05:00

新的FADE过滤器通过分离提示难度和策略能力来改进RLHF调度

研究人员开发了FADE（Factored Ability--Difficulty Estimation），一种新颖的双线性状态空间滤波器，旨在改进在线人类反馈强化学习（RLHF）调度。FADE有效地分离了策略不断变化的胜任能力和提示的内在难度这两个学习时间尺度。该方法使用一个$K$维技能加载和一个快速漂移的策略能力向量，通过秩-$K$ Woodbury步骤进行更新，从而能够将胜任能力的变化高效地转移到未观察到的提示上。在五个推理基准和…