15:25
官方账号arXiv cs.AI@Minh-Ha Nguyen, Cathy Shyr
推荐理由：PIHF把强化学习的迭代改进搬到了上下文学习里，用语言模型当执行器，专家审阅改进，罕见病诊断上Recall@1提升明显，值得一看。
PIHF
共 1 条相关 AI 资讯
8月18日
15:25
PIHF（Policy Iteration with Human Feedback）提出了一种利用预训练语言模型作为执行基底，通过版本化的自然语言策略和工具集进行持续改进的方法。该方法结合了语言模型评论家和临床专家的审查，以定位重复失败并形成候选修订。在超罕见疾病基准测试中，PIHF派生的策略在多个执行器上提升了Recall@1，其中GPT-5.4提升32.7个百分点，Qwen3.6-35B提升31.1个百分点。结果表明，固定权重的预训练语言模型可用于专家引导的策略开发。