#奖励设计

共 10 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「奖励设计」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月10日
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 Saenz原文
10月3日
9月2日
7月8日
6月8日
6月1日
5月20日
5月19日
5月14日
5月13日