MemReward图记忆奖励预测方法发布
热点事件持续更新
MemReward图记忆奖励预测方法发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年11月5日，arXiv平台发布论文《MemReward: 基于图的经验记忆实现 LLM 有限标签下的奖励预测》。Tianyang Luo等人提出MemReward方法，利用图神经网络（GNN）构建异质经验记忆，将标签数据上的奖励传播至无标签rollout，以提升在线强化学习微调效率。实验显示，在Qwen2.5-1.5B和3B模型上，该方法仅用20%标签数据，性能分别达到全监督训练的96.6%和97.3%，优于label propagation和FixMatch方法。
AI 根据报道生成 · 7 小时前更新
最新进展11月5日 13:00
MemReward: 基于图的经验记忆实现 LLM 有限标签下的奖励预测报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · AIMemReward: 基于图的经验记忆实现 LLM 有限标签下的奖励预测
MemReward 提出一种基于图的异质经验记忆，利用 GNN 将标签数据上的奖励传播至无标签 rollout，提升在线 RL 微调效率。 在 Qwen2.5-1.5B 和 3B 模型上，仅用 20% 标签数据，MemReward 分别达到全监督训练 96.6% 和 97.3% 的性能，优于 label propagation 和 FixMatch 方法。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1011月5日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。