★ 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 2 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…
该研究考察独立训练的语言模型社会是否共享同一套潜在数据包语言，以及继承的接口状态对后续学习是帮助还是损害。对六个受限社会的30个有序配对进行因果互操作性审计发现，语义相似的接口并不构成统一语言，跨初始化方向全部对齐失败。全局训练的通信接口还构成严重的负迁移先验，仅重初始化读写模块即可将深度三准确率…