#TTRL

共 3 条 · 7 天 0 条 · 30 天 1 条

ERPO 1 label-free steering 1 test-time reinforcement learning 1 代码生成 1 推理模型 1 编程基准 1

信息流里打上「TTRL」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月17日

论文 Agent 与开发者精选09:25

无标签引导压缩测试时强化学习至仅偏置子空间

朋友A发现一个新技巧，用label-free的方法在测试时只改偏置参数就能提升模型性能，而且比全参数优化快得多。

#label-free steering #test-time reinforcement learning #TTRL #推理模型

arXiv cs.AI@Naveen Vakada 等 3 人原文

9月9日

论文 Agent 与开发者精选73°13:26

代码生成中的熵正则化排序掩码策略优化

这篇论文提出ERPO方法，解决了代码生成中TTRL的奖励信号问题，在编程基准测试中大幅提升性能。

#代码生成 #TTRL #ERPO #编程基准

arXiv cs.LG@Jiacheng Xu 等 4 人原文

7月1日

概率校准能否减轻LLM智能体反馈循环中的偏好耦合？

这篇论文实验发现，对评估器做概率校准能把偏好耦合降低20-49%，效果显著，推荐给做LLM评估管线的朋友。

#DeepSeek-V4-Pro #GLM5.2 #TTRL #偏好耦合

arXiv: DeepSeek@Zewen Liu原文