跳到正文
arXiv · ML· Xudong Wu, Guangchen Lan, Mingqi Yuan, Jiayu Chen·· 10 天前AI 评分42

JoMoHa: 联合模型与 Harness 优化强化学习框架

JoMoHa: Joint Model--Harness Optimization with Reinforcement Learning

AI 导读

JoMoHa 提出首个通过强化学习联合训练可执行 harness 生成策略与任务执行策略的框架,解决单一组件优化受限及交替训练导致的不兼容性问题。 该方法在 ALFWorld、WebShop 和 DBBench 上均优于仅优化权重或 harness 的基线方法,ALFWorld 平均成功率为 70.3%,最高达 97.0%。

来源:arXiv · ML · arxiv.org