arXiv · AI· Chengsheng Zhang, Wenshen Xu, Yuchuan Wu, Zhiyuan Yu, Junfeng Fang, Tianlong Wang, Bingxue Qiu, Yongbin Li, Xiang Wang·· 9 小时前AI 评分28
提出 CoCA 框架以协同进化大语言模型策略与评估标准
Co-Evolving Policy and Rubric via Capability Awareness for Open-Ended Generation
AI 导读
研究提出 CoCA 框架，通过能力感知协同进化 LLM 策略与 Rubric，解决静态评估标准与策略能力错配问题。 该框架对比仅查询与 Rubric 引导的输出以诊断标准难度，利用引导优化扩展前沿或通过自蒸馏迁移能力。 CoCA 在多种 LLM 基准测试中持续优于基于 Rubric 的 RL 方法，促进能力内化并缓解退化。
来源：arXiv · AI · arxiv.org