10:44
官方账号arXiv cs.LG@Yuanqiang Yu, Yanzhao Zheng, Zhentao Zhang, Tianze Xu, Chao Ma, Jihuai Zhu, Jiashun Liu, Xinle Deng, Baohua Dong, Hangcheng Zhu, Ruohui Huang
精选73°
推荐理由：PAC方法解决了LLM多任务RL中任务分配问题，结合优势信号和实际奖励增益，提升训练效率。
PAC
共 2 条相关 AI 资讯
9月1日
10:44
研究人员提出PAC方法，结合优势衍生的可学习性和近期奖励增益两个信号，用于大语言模型的多任务强化学习。在多级推理和多领域推理两种设置下，PAC仅需更少的采样步骤就能达到相当的验证分数，并最终超越随机采样和基于优势的课程基线。该方法通过贝叶斯汤普森采样控制器在GRPO训练过程中分配任务资源。
7月23日
11:34
11:34
官方账号arXiv cs.AI@Mahdi Nazeri, Anne-Kathrin Schmuck, Sadegh Soudjani, Alessandro Abate
推荐理由：这篇论文教你用统计方法严格证明LLM有多安全，不是估算，而是可证明的下界。