#reward design

10 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "reward design", newest first.
Nov 10
Chinese content密集奖励优于结果奖励:临床多轮智能体强化学习研究

做医疗或客服这类多轮智能体训练的人必看。论文用三个临床环境实测发现结果奖励训练会让模型走捷径,高风险病例崩掉,而给提问环节加过程奖励能救回来。想避免智能体“偷懒式”收敛的团队可以直接参考它的实验设置。

arXiv cs.AI@Brendan P. Murphy, Agustina SaenzSource
Oct 3
Sep 2
Jul 8
Jun 8
Jun 1
PapersSelected10:11
Chinese contentLongTraceRL:用搜索轨迹和细粒度奖励提升长上下文推理

长上下文推理是当前大模型的瓶颈,LongTraceRL 用搜索轨迹和细粒度奖励解决了干扰项和奖励稀疏的问题,做推理模型训练或长文档理解的团队可以直接用开源代码复现。

arXiv cs.LG@Nianyi Lin et al. (4)Source
May 20
May 19
May 14
May 13