微软提出 LLM-as-a-Coach 将评审反馈转为可迁移经验

微软研究院发表论文《LLM-as-a-Coach》，提出经验学习（EL）方法，旨在替代开放式任务中仅依赖评分规则的强化学习训练。该方法将传统的 LLM-as-a-Judge 反馈模式改造为 LLM-as-a-Coach，把评审反馈转化为大模型可迁移的经验知识，从而提升模型在非可验证任务上的表现。

2026-07-21 ~ 2026-07-21 · 3 条相关

• 微软研究院把 LLM Judge 变 Coach，优于 rubric RL — MicrosoftResearch · 2026-07-21
• LLM-as-a-Coach 把评审反馈变成可迁移经验知识 — iScienceLuvr · 2026-07-21

另有 1 条近重复转述:iScienceLuvr