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
来源:arXiv cs.AI · arxiv.org
原文标题:JudgeMix: Judge-Guided Mixed-Rollout Data Synthesis for LLM Agents
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。
涉及大模型与智能体 · 与本主题相关
来源:arXiv cs.AI · arxiv.org