Meta AI在9月24日发布论文MaD-RL，关注大模型强化学习中的一个不太显眼却很实际的问题：训练通常只奖励单次输出是否得高分，模型可能逐渐把概率集中到一种解法或一种表达上。对于数学题，收敛到高成功率答案或许有利；但在合成数据、策略……
Meta AI在9月24日发布论文MaD-RL，关注大模型强化学习中的一个不太显眼却很实际的问题：训练通常只奖励单次输出是否得高分，模型可能逐渐把概率集中到一种解法或一种表达上。对于数学题，收敛到高成功率答案或许有利；但在合成数据、策略……
京ICP备12034567号 | 增值电信业务经营许可证 | 京公安网备11010502030123号 | 广播电视节目制作经营许可证（京）字第05268号
Copyright © 2010-2016 亚洲财经网 All Rights Reserved 市场有风险 投资需谨慎
地址：北京市朝阳区光华里8号中海广场中楼30层 邮编：100020
