O novo artigo da FAIR apresenta o ExIt (Exploratory Iteration), um método baseado em RL que treina LLMs em refinamentos de um único passo, mas se baseia em suas próprias saídas—desbloqueando uma auto-melhoria eficiente em múltiplos passos na inferência e alcançando um aumento de 22% no MLE-bench.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
14 Curtidas
Recompensa
14
7
Repostar
Compartilhar
Comentário
0/400
NewPumpamentals
· 18h atrás
Reforço de aprendizado é uma boa coisa
Ver originalResponder0
RugpullTherapist
· 09-09 07:17
Uma boa ideia inovadora
Ver originalResponder0
ResearchChadButBroke
· 09-09 07:16
É um resultado muito interessante.
Ver originalResponder0
DaoGovernanceOfficer
· 09-09 07:05
Falando empiricamente, aplicação fascinante de RL.
O novo artigo da FAIR apresenta o ExIt (Exploratory Iteration), um método baseado em RL que treina LLMs em refinamentos de um único passo, mas se baseia em suas próprias saídas—desbloqueando uma auto-melhoria eficiente em múltiplos passos na inferência e alcançando um aumento de 22% no MLE-bench.