提出置信度引导信用校正方法C3

Ai Jian 等人在 arXiv 发布论文，提出 C3（Confidence-Guided Credit Correction），这是一个用于多轮强化学习的插件方法，通过置信度引导定位结果导向训练中的不当行为片段，并选择性修正其正向信用。据论文称，在多个多轮基准上，C3 在基于 critic 和无 critic 的两类强化学习方法下均提升了性能。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。