AI工具与模型HOT精选全部
arXiv cs.AI评分75

JudgeMix:用评判引导的混合 rollout 数据合成训练 LLM 智能体

原文标题:JudgeMix: Judge-Guided Mixed-Rollout Data Synthesis for LLM Agents

导读

JudgeMix 用评判模型引导混合 rollout 数据合成,缓解专家轨迹监督微调中已知的训练与推理不一致问题。

推荐理由

涉及大模型与智能体 · 与本主题相关

打开原文 ↗

来源:arXiv cs.AI · arxiv.org

主题

相关条目