★ 2
SkillGrain：从用户反馈学习可迁移个性化技能
该论文提出 SkillGrain 框架，将用户反馈拆解为可独立执行的原子规则，并预测每条规则的迁移性，只保留适合未来请求的规则，以避免负迁移。方法结合评分引导的技能奖励与细粒度信用分配，并通过强化学习联合优化技能归纳与技能条件生成。作者构建了覆盖五类个性化写作任务的基准，在三种基座模型的域内与域外…
arXiv NLP18 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文提出 SkillGrain 框架，将用户反馈拆解为可独立执行的原子规则，并预测每条规则的迁移性，只保留适合未来请求的规则，以避免负迁移。方法结合评分引导的技能奖励与细粒度信用分配，并通过强化学习联合优化技能归纳与技能条件生成。作者构建了覆盖五类个性化写作任务的基准，在三种基座模型的域内与域外…