学术研究

RISED：用于智能体多环境选择与自蒸馏的评分标准

RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation

Apple Machine Learning Research发布于 10月6日 1 分钟阅读

专题配图图片仅供信息参考图片仅供参考版权归原作者

摘要

在多种交互环境中联合训练单个大语言模型智能体，作为实现通用智能体的一条路径，正受到越来越多的关注。现有的课程学习和数据选择策略，通常在环境层面分配训练，或优先考虑局部的奖励信号，而没有在提示组选择时明确考虑不同环境中当前运行轨迹之间的关系。同时，由于各环境的学习速度不同，一个批次中可能同时存在全部失败和全部成功的轨迹组，导致这些数据缺少组内相对奖励信号。两者……

原始资料

Apple Machine Learning Research · 来源摘要

查看来源原文产品参数、测试条件及最新修订以来源原文为准。