arXiv · AI· Yujin Kim, Namgyu Ho, Sangmin Hwang, Joonkee Kim, Yongjin Yang, Sangmin Bae, Seungone Kim, Jaehun Jung, Se-Young Yun, Hwanjun Song·· 3 天前AI 评分28
LLM-as-a-Tutor: 面向不可验证强化学习的策略感知提示词自适应
LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL
AI 导读
LLM-as-a-Tutor 框架扩展了大语言模型在强化学习中的角色,从仅作为评分者升级为既能识别非挑战性提示词,又能通过添加原子级约束来动态生成更复杂提示词的教育者。
来源:arXiv · AI · arxiv.org