#过程奖励
共 2 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「过程奖励」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月23日
6月10日
Role-Agent：通过双角色演进让LLM智能体自我进化
做 LLM 智能体训练的团队终于有了一个无需外部环境反馈的自我进化方案——Role-Agent 让模型自己当裁判和教练，平均提效 4%+，值得在复杂任务场景中试试。
做 LLM 智能体训练的团队终于有了一个无需外部环境反馈的自我进化方案——Role-Agent 让模型自己当裁判和教练，平均提效 4%+，值得在复杂任务场景中试试。