LessWrong · All Posts· Samuel Knoche·· 27 天前AI 评分38
LoReFT 改进 GRAFT:以 0.029% 参数抑制强化学习奖励黑客
LoReFT GRAFT Better at Preventing RL Grift
AI 导读
summary_zh: LoReFT 改进 GRAFT 方法,通过单层秩 1 适配器将 FORGET 模块参数量降至原文的 0.029%,在等效抑制奖励黑客的同时提升干净环境解题率。
来源:LessWrong · All Posts · lesswrong.com