★ 2
将序贯实验设计摊销进推理 LLM 的研究
论文研究如何通过信息增益奖励显式训练 LLM 的推理过程，将序贯贝叶斯实验设计摊销进模型。在 Twenty Questions 任务上，所得策略以更低计算成本超越训练与推理时基线，并正向迁移到临床对话基准 Medi-Q。
arXiv cs.LG17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究如何通过信息增益奖励显式训练 LLM 的推理过程，将序贯贝叶斯实验设计摊销进模型。在 Twenty Questions 任务上，所得策略以更低计算成本超越训练与推理时基线，并正向迁移到临床对话基准 Medi-Q。