跳到正文
arXiv · ML· Hector G. Rodriguez, Marcus Rohrbach·· 16 小时前AI 评分31

CARE:一种跨问题可靠的强化学习方法

Cross-Question Reliable Reinforcement Learning

AI 导读

论文提出 CARE(跨问题弃答奖励估计)方法,通过跨问题计算奖励提升 LLM 选择性预测表现。 CARE 在 MATH-500、GSM8K 等数据集上,将 5% 风险下的覆盖率从 0.8% 提升至 42.4%。在 HotpotQA 上训练后,GPQA 等基准的 C@5 从 12.3% 提高至 23.6%。

来源:arXiv · ML · arxiv.org