reinforcement learning

1周前 · ai

[Paper] 逃离验证器：通过示例学习推理

训练大型语言模型（LLMs）进行推理通常依赖于带有任务特定验证器的强化学习（RL）。然而，许多现实世界的推理‑

#LLM #reinforcement learning #reasoning #research paper
1周前 · ai

[Paper] 使用迭代 PPO 对齐 LLM 以实现多轮对话结果

优化大型语言模型（LLMs）以实现多轮对话结果仍然是一个重大挑战，尤其是在像 AI mar... 这样的目标导向设置中。

#LLM #reinforcement learning #PPO #RLHF #goal-oriented dialogue
1周前 · ai

[论文] BAMAS：结构化预算感知多智能体系统

Large language model (LLM)-based multi-agent systems 已经成为一种强大的范式，使 autonomous agents 能够解决复杂任务。随着这些系统…

#budget-aware AI #multi-agent systems #LLM cost optimization #integer linear programming #reinforcement learning