Rohan Paul (@rohanpaul_ai)T2·基座大模型
78 分
Google DeepMind 最新研究证明,利用多轮强化学习在模拟患者上进行训练,能显著提升 Gemini 模型在精神科初诊中的表现。实验显示,该方法将急性风险漏报率从 30.5% 降至 12.9%,且在盲测中优于基线模型。
Multi-turn RL
针对序列决策过程,优化智能体在多步交互中累积奖励的算法
Google DeepMind 最新研究证明,利用多轮强化学习在模拟患者上进行训练,能显著提升 Gemini 模型在精神科初诊中的表现。实验显示,该方法将急性风险漏报率从 30.5% 降至 12.9%,且在盲测中优于基线模型。
亚马逊发布 Amazon SageMaker AI 多轮强化学习(MTRL)实操指南,旨在解决智能体任务中单步监督微调无法有效归因长序列决策的问题。该方案通过连接 Bedrock AgentCore 或自建基础设施,基于最终任务成功与否的稀疏奖励信号训练模型,支持复杂的多步交互场景。
Amazon SageMaker AI 推出基于多轮强化学习(Multi-turn RL)的微调方案,旨在解决搜索智能体在复杂交互中的可靠性问题。该方案允许开发者通过定义任务特定奖励函数,将小模型训练至具备接近前沿大模型的多步推理与工具调用能力,同时显著降低延迟与成本。