★ 2
RISED：智能体多环境选择与自蒸馏
论文关注在多种交互环境中联合训练单一 LLM 智能体以通向通用智能体。现有课程与数据选择策略多在环境层面分配训练，或依赖局部奖励信号，未显式考虑跨环境 rollout 之间的关系。作者提出 RISED，利用评分标准进行提示组选择与自蒸馏，以应对不同环境学习速率不一致导致的全失败/全成功组问题。
Apple Machine Learning Research27 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文关注在多种交互环境中联合训练单一 LLM 智能体以通向通用智能体。现有课程与数据选择策略多在环境层面分配训练，或依赖局部奖励信号，未显式考虑跨环境 rollout 之间的关系。作者提出 RISED，利用评分标准进行提示组选择与自蒸馏，以应对不同环境学习速率不一致导致的全失败/全成功组问题。