arXiv · NLP· Jixuan Leng, Si Si, Fei Wang, Cho-Jui Hsieh, Jiong Zhang, Hsiang-Fu Yu, Inderjit S. Dhillon·· 5 小时前AI 评分20
CONCUR：面向多任务多奖励强化学习的协和辅助奖励
CONCUR: Concordant Auxiliary Rewards for Multi-Task, Multi-Reward Reinforcement Learning
AI 导读
CONCUR 提出了一种优势估计器，通过约束辅助奖励分数解决 LLM 多任务强化学习中辅助奖励逆转主奖励排序的问题。 该模型在数学、代码等四个领域测试中，性能均优于所有基线及移除辅助奖励的方案。
来源：arXiv · NLP · arxiv.org