#上下文赌博机

共 4 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「上下文赌博机」标签的资讯、产品与论文，按刊登时间排，新的在上。

7月27日

这篇论文给出了一个很实用的思路：用任务级反馈来动态路由LLM，不用每次调用都做独立决策。在多个基准上同时提升了准确率和速度。

arXiv cs.LG@Ritik Raj 等 6 人原文

6月9日

论文精选12:40

在线推荐系统常面临用户偏好漂移和基线约束的挑战，Dri-MED 为这类问题提供了理论扎实且效果显著的解决方案，做推荐系统或在线学习的团队值得关注其算法设计。

arXiv cs.LG@Udvas Das 等 4 人原文

论文精选11:41

调度算法研究者可以关注这个将队列长度遗憾率提升至理论最优的成果，CQB-η-2的三阶段设计思路值得借鉴。

arXiv cs.LG@Seoungbin Bae, Dabeen Lee原文

6月3日

做RL研究或语言模型微调的团队，如果正为多样性-性能权衡头疼，这篇论文给出了一个理论干净的新框架——把奖励不确定性当作多样性来源，不用额外调参。值得细读。

arXiv cs.AI@Anthony GX-Chen 等 10 人原文