跳到正文
arXiv · ML· Md Tanvirul Alam, Aritran Piplai, Ionut Cardei, Nidhi Rastogi, Peter J Worth Jr·· 11 天前AI 评分22

Minerva:用于网络威胁情报 LLM 的可验证奖励强化学习

Minerva: Reinforcement Learning with Verifiable Rewards for Cyber Threat Intelligence LLMs

AI 导读

Minerva 提出针对网络威胁情报(CTI)任务的强化学习框架 MinervaRL,利用可验证奖励机制提升结构化输出准确性。 该方法在 12 个 CTI 基准测试中,平均得分比基础模型提高 15.8 个百分点,比 GRPO 高 4.3 点。通过解决奖励稀疏问题,实现了向模型的自动蒸馏与自我提升。

来源:arXiv · ML · arxiv.org