World 模型排序策略不必完全准确：相对误差界与审计极限
这篇 arXiv 论文提出 RAVEL 方法，用 world 模型低成本给 RL 策略排序，淘汰阶段再用少量真实审计兜底，还量化了模型排序可靠到什么程度、什么时候会失灵。
#RAVEL
共 2 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「RAVEL」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月3日
9月21日
RAVEL：基于在线强化学习的交互式行人重识别提问策略
想让模型学会'下一步该问什么'？这篇论文把提问当成强化学习问题，用检索排序反馈训练，五轮交互持续涨点。