arXiv · NLP· Minhua Lin, Zijun Wang, Zewen Liu, Zhaotian Weng, Bing He, Zhan Shi, Benoit Dumoulin, Xiang Zhang, Suhang Wang, Hanqing Lu·· 16 小时前AI 评分45
LM2LM 用强化学习训练 LLM 生成大模型改进方案，Qwen3.8-27B 超越 GPT-6-sol 且成本降低 33%
Language Models Learn to Improve Language Models
AI 导读
LM2LM 利用强化学习（RL）训练 LLM 生成大模型改进提案，Qwen3.8-27B 在未见模型族上超越拥有 300 条实验记录的 GPT-6-sol，数据生成成本降低 33%。
来源：arXiv · NLP · arxiv.org