09:10
官方账号arXiv cs.LG@Nan Li
推荐理由：研究人员为小模型对话游戏代理设计了一套三步训练法，显著提升了特定任务表现，同时保持通用能力。
LM Playschool Challenge
共 1 条相关 AI 资讯
8月31日
09:10
研究团队针对2B开放权重模型在LM Playschool Challenge中的表现，发现模型失败不仅是知识不足，还有局部决策问题。他们提出三步训练方案：监督微调获取广泛游戏参与能力，使用回合局部偏好对修复特定对话游戏家族中的可验证失败，并保留对话游戏外的通用能力。该方法将公开clemscore从10.67提升至38.92，领域内分数从13.41提升至41.17，同时保持静态性能基本不变。