PulseAugur
中
实时 11:49:16
实体 Variance-Aware Reward Framework

Variance-Aware Reward Framework

PulseAugur coverage of Variance-Aware Reward Framework — every cluster mentioning Variance-Aware Reward Framework across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_72632 ·

    LLM通过新的GRPO奖励框架改进心脏医学问答

    研究人员开发了一种新方法，以提高大型语言模型（LLM）在回答心脏相关医学问题方面的准确性。他们的方法利用了具有新颖方差感知奖励框架的组相对策略优化（GRPO）。该框架为稀疏、多标准反馈提供了更丰富的优化信号，从而实现了更稳定的强化学习。该方法在心脏医学问答基准测试中显著提高了准确率和F1分数，优于基础模型，并与一个规模大得多的模型保持竞争力。