★ 2
GLARE：基于对抗奖励估计的生成学习用于社会动态预测
研究提出会议动态预测基准MDFB，基于2207场真实会议和24794条面向未来的查询，评估模型生成多轮会议续写的效用与拟人性。同时提出GLARE，将对抗模仿学习适配到条件语言生成，用判别器为策略提供KL正则化奖励。GLARE在效用与拟人性上的人类评估胜率分别达0.66和0.70，优于SFT与SPI…
arXiv cs.AI49 天前
#对抗模仿学习
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出会议动态预测基准MDFB，基于2207场真实会议和24794条面向未来的查询，评估模型生成多轮会议续写的效用与拟人性。同时提出GLARE，将对抗模仿学习适配到条件语言生成，用判别器为策略提供KL正则化奖励。GLARE在效用与拟人性上的人类评估胜率分别达0.66和0.70，优于SFT与SPI…