arXiv · NLP· Lingkai Kong, Yuzhe Gu, Haiteng Zhao, Zijian Wu, Youqing Fang, Zhouqi Hua, Yanan Sun, Kai Chen, Wenwei Zhang·· 5 小时前AI 评分38
基于强化学习激励大语言模型自学习
Incentivizing Self-Learning in Large Language Models via Reinforcement Learning
AI 导读
研究人员通过强化学习激励LLM自学习，在长篇教材中提取并应用知识。采用BookNavigator接口，以Intern-S2-Preview-35B为例，通过细粒度奖励，其证明准确率从51.5%提升至79.5%。
来源：arXiv · NLP · arxiv.org