热点事件持续更新

研究者提出DAR强化学习目标用于LLM回归

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Jungsoo Park等研究者提出分布感知奖励（DAR），一种on-policy强化学习目标，用于大语言模型的回归任务。其做法是对同一输入生成多次预测、形成经验预测分布，再按每个预测对整体分布质量的leave-one-out贡献分配奖励。研究者在合成插值/外推任务以及涉及代码、分子数据的两个真实科学回归任务上实验，称DAR相比监督微调和逐点强化学习，产生了校准更好的不确定性估计，同时持续降低预测误差并提升排序质量。

AI 根据报道生成 · 2 小时前更新

最新进展10月7日 12:00

面向 LLM 回归的预测分布强化学习：DAR 方法

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv：cs.LG
面向 LLM 回归的预测分布强化学习：DAR 方法
研究者提出 Distribution-Aware Reward（DAR），一种 on-policy 强化学习目标，通过评估同一输入多次预测形成的经验预测分布，并按每个预测对整体分布质量的 leave-one-out 贡献分配奖励。在合成插值/外推任务和涉及代码、分子数据的两个真实科学回归任务上，DAR 相比监督微调和逐点强化学习，产生了校准更好的不确定性估计，同时持续降低预测误差并提升排序质量。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。