arXiv · NLP· Yanli Wang, Zichen Bai, Tianyue Jiang, Kunming Shao, Junhao Shi, Xueqin Liu, Jinguo Sun, Muye Li, Tingting Bi, Yanlin Wang, Shaoqiang Zheng, Xuefei Diao, Zhuwei Zeng, Nan Duan, Peng Cao·· 15 天前AI 评分32
EvoGuard 在线技能演化中的降级缓解
EvoGuard: Mitigating Degradation in Online Skill Evolution
AI 导读
EvoGuard 是一种成对技能选择器,通过拒绝采样保留具有明显效用差距的技能对,并在部署时通过单次前向传播决策。 模型在 ALFWorld 上成功率提升 11.0%,在 ScienceWorld 提升 5.9%,在 LiveCodeBench 提升 2.7%。
来源:arXiv · NLP · arxiv.org