★ 2
通过参考策略引导正则化自博弈的均衡选择
研究探讨能否利用正则化自博弈中的参考策略主动选择价值等价均衡，在五个可解博弈与二维多胞体上验证：将参考锚定到目标成员并精炼，可将自博弈导向该成员，平均坐标误差0.007。作者同时报告失效情形，如离流形参考带来0.08-0.25的可利用度代价。该配方将RLHF式KL锚重新解释为选择旋钮而非仅稳定性约…
arXiv cs.AI45 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究探讨能否利用正则化自博弈中的参考策略主动选择价值等价均衡，在五个可解博弈与二维多胞体上验证：将参考锚定到目标成员并精炼，可将自博弈导向该成员，平均坐标误差0.007。作者同时报告失效情形，如离流形参考带来0.08-0.25的可利用度代价。该配方将RLHF式KL锚重新解释为选择旋钮而非仅稳定性约…