跳到正文
arXiv · ML· Amit Arnold Levy·· 24 天前AI 评分38

利用 GRPO 强化 LLM 进行事件预测

Reinforcement Learning for LLM-based Event Forecasting

AI 导读

研究使用 Group Relative Policy Optimization (GRPO) 微调参数量 1.5B 至 14B 的 LLM,通过 Wikipedia 修订工具或新闻摘要实现超出模型知识截止日期的真实事件预测。

来源:arXiv · ML · arxiv.org