论文13:36
百万参数排序模型做个性化生成，打分延迟降低四个数量级这几个作者发现个性化生成其实卡在匹配而不是生成能力上，用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了，思路很值得琢磨。
#reward model
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「reward model」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月29日
这几个作者发现个性化生成其实卡在匹配而不是生成能力上，用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了，思路很值得琢磨。