AI 正解データなしでLLMをRL改善するRiVERフレームワーク
正解ラベルなしのスコアベースタスクでLLMを強化学習するRiVERフレームワークがarXivで公開されました。AtCoderで訓練したモデルがALE評価で8〜9%向上し、さらに正解が必要な他ベンチマークでも2〜3.5%の性能改善が転移しています。
AI
AI
AI
AI
AI
AI
AI
AI
AI
AI