CEB用历史反馈估计智能体步级置信度
热点事件观察中
CEB用历史反馈估计智能体步级置信度
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Yaopei Zeng等人提出Critic Experience Bank（CEB），用于估计大语言模型智能体执行每个动作前的置信度。每条轨迹完成后，由LLM为各动作生成事后生产率伪标签，并与原始执行前置信度、任务上下文、动作和反馈共同存入经验库，供后续置信度判断使用。 CEB无需更新模型参数，也不要求部署阶段提供真实步级标签；当前材料未说明其评估结果、适用范围或相对基线的表现。
AI 根据报道生成 · 40 分钟前更新
最新进展10月7日 12:00
Critic Experience Bank 为 LLM 智能体提出自演化的步级置信度估计报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AICritic Experience Bank 为 LLM 智能体提出自演化的步级置信度估计
Yaopei Zeng 等提出训练免参数更新的 Critic Experience Bank（CEB），把已完成轨迹中的后验生产率反馈转化为后续动作执行前的置信度判断依据。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。