arXiv cs.CL· Jixuan Leng, Si Si, Fei Wang, Cho-Jui Hsieh, Jiong Zhang, Hsiang-Fu Yu, Inderjit S. Dhillon·· 2 小时前AI 评分43
CONCUR：多任务、多奖励强化学习下的一致辅助奖励方法
CONCUR: Concordant Auxiliary Rewards for Multi-Task, Multi-Reward Reinforcement Learning
AI 导读
CONCUR 是一个优势估计器，将受门控辅助奖励的标准化分数换成满足「主奖励更高者分数不更低、达上限者相等」的最接近分数。CONCUR-T 全程施加这两条条件，CONCUR-A 则对与主奖励排序更常一致的辅助奖励放宽第二条。在 2 个系列共 3 个模型的数学、代码、指令遵循与写作任务上，两个变体平均得分均高于所有基线与丢弃全部门控辅助奖励的做法。
来源：arXiv cs.CL · arxiv.org