微软提出LLM-as-a-Coach以经验学习优化训练

微软研究院发表论文《LLM-as-a-Coach》，提出一种名为经验学习（EL）的新框架，旨在解决开放式或不可验证任务中训练信号稀疏的问题。传统强化学习会将复杂评估压缩为单一标量奖励，从而丢失丰富信息。新方法将LLM评审（Judge）转化为教练（Coach），把反馈变成可迁移的经验知识，在训练效果上优于传统的rubric RL方法。

2026-07-21 ~ 2026-07-22 · 4 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
• 微软研究提出 LLM-as-a-Coach 训练不可验证任务 — donglixp · 2026-07-22

另有 1 条近重复转述:iScienceLuvr