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
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27