跳到正文
arXiv · AI· Yizhu Chen, Jianguang Jiang, Jiameng Huang, Chuyu Fang, Bojun Zhang, Zhenyu Jiao, Xing Yuan, Tong Lin·· 21 天前AI 评分39

RACE:策略与评分标准的奖励自适应协同进化框架

Reward-Adaptive Co-Evolution of Policy and Rubric

AI 导读

RACE 提出一种奖励自适应协同进化框架,通过信号路由和事件触发机制优化策略与评分标准。 该框架在组级区分有效信号,在阶段级基于奖励饱和切换优化模式。统一评估显示其平均性能优于最强固定交替基线。

来源:arXiv · AI · arxiv.org