DARLING:在线 RL 中同时优化回复质量与多样性
DanielKhashabi · x · 2026-09-25
- Jason Weston 团队发布 DARLING(Diversity Aware RL),针对后训练导致语言模型回复日趋重复的问题,在在线强化学习中同时优化回复的多样性与质量。
- 方法使用一个学习到的 partition function 来联合建模质量与多样性。
- 实验显示 DARLING 在质量和多样性指标上都超过标准 RL,例如更高的 pass@1 与 pass@k。
- 同时适用于可验证任务与不可验证任务,论文链接已公开。
所属事件:DARLING 入选 NeurIPS:在线 RL 同时优化回复质量与多样性(2 条相关)→
「模型」频道最新
- 800 美元二手 3090 主机本地跑 DeepSeek 4.1，2 量化仅 2-3 token/s — LankyGuitar6528 · 2026-11-11
- 谷歌开源 Harness²：能自己改写系统配置的智能体框架 — Arindam_1729 · 2026-11-11
- 开发者吐槽 Codex 桌面版质量差，弃用客户端改走 CLI — tekbog · 2026-11-11
- 旧模型发布前「变笨」？网友调侃：其实是实验室开派喝醉了 — glcst · 2026-11-11
- Grok Bot 新增隐藏指令检测：发现 prompt 注入即警告并拒绝执行 — XFreeze · 2026-11-11
- 上海创新院开源 Nex-N2.6：321B 多模态智能体模型 — victormustar · 2026-11-11