关闭导航

包含标签"奖励塑造"的内容

谷歌DeepMind新研究:RLFT技術提升AI語言模型決策力縮小推理執行差距
AI妹 1 个月前 9 0

近期,谷歌 DeepMind 團隊與約翰・開普勒林茨大學 LIT AI 實驗室合作,開展了一項關於人工智能語言模型的新研究。他們採用了強化學習微調(RLFT)技術,旨在提升語言模型的決策能力。這項