LLM-as-a-Coach 把评审反馈变成可迁移经验知识
iScienceLuvr · x · 2026-07-21
这篇论文提出 Experiential Learning (EL)，把常见的 LLM-as-a-Judge 反馈模式改造成 LLM-as-a-Coach。
核心做法不是把反馈压成一个标量分数，而是让 coach 对每个 on-policy 回复进行评估，并把这些评估蒸馏成可迁移的“经验知识”；这些知识再去条件化 teacher model，最后通过 on-policy context distillation 被策略吸收。
作者声称，相比传统的 rubric-based RL，EL 在留出集和未见过的开放式任务上表现更好，也比单纯的标量奖励更能保留高质量答案之间的细粒度偏好，同时对 reward hacking 更不敏感。
所属事件:微软提出 LLM-as-a-Coach 将评审反馈转为可迁移经验(3 条相关)→
「研究」频道最新
- LFM2 扩容 tokenizer 后，泰语 token 减少 4 倍 — maximelabonne · 2026-07-21
- Argus 用协同可见性与几何 Transformer 提升室内 3D 重建 — ducha_aiki · 2026-07-21
- WAIC 机器人正进入可商业化成功率阶段 — chris_j_paxton · 2026-07-21
- Unitree 用自家 G1 集群上线真实机器人远程评测 — chris_j_paxton · 2026-07-21
- 给 VLM 加顺序元数据后，错误检测会崩掉 — m_wulfmeier · 2026-07-21
- 新提示模板提升空间推理，并减少模型偷懒输出 — legit_api · 2026-07-21