arXiv · AI· Changdae Oh, Wendi Li, Seongheon Park, Samuel Yeh, Tanwi Mallick, Sharon Li·· 5 小时前AI 评分32
后训练中的被忽视免费午餐：LLM 智能体的进度优势
Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents
AI 导读
研究提出利用 RL 后训练日志概率比推导 LLM 智能体的“进度优势”，实现了无标注、领域无关的步级评分，无需额外训练。 该信号在测试时缩放、不确定性量化和失败归因五个基准上超越基于置信度的基线，表现优于专门训练的过程奖励模型。
来源：arXiv · AI · arxiv.org