LLM-as-a-Coach 把评审反馈变成可迁移经验知识
iScienceLuvr · x · 2026-07-21
这是同一篇论文 《LLM-as-a-Coach: Experiential Learning for Non-Verifiable Tasks》 的重复转发。
论文提出 Experiential Learning (EL)：把 LLM-as-a-Judge 的反馈改造成 LLM-as-a-Coach。它不再把评价压缩成单一奖励分数，而是把对 on-policy 回复的判断蒸馏成可迁移的经验知识，再通过 on-policy context distillation 让策略吸收。
作者强调，这种更“宽带”的反馈信号能更好地处理开放式、不可验证任务，在分布外泛化更强，并且比 rubric-based RL 更不容易被 reward hacking。
所属事件:微软提出LLM-as-a-Coach以经验学习优化训练(4 条相关)→
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11