DReST奖励函数使RL智能体与LLM可关闭且保持有效
热点事件观察中
DReST奖励函数使RL智能体与LLM可关闭且保持有效
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出Discounted Reward for Same-Length Trajectories（DReST）奖励函数，用于训练深度强化学习智能体并微调Qwen3-14B、Gemma 4 12B、Granite 4.2 8B和gpt-oss-20b，使它们对轨迹长度保持中立且仍能有效追求目标。
AI 根据报道生成 · 29 分钟前更新
最新进展10月8日 12:00
DReST让强化学习智能体和LLM在保持有效性的同时具备可关闭性报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · cs.AIDReST让强化学习智能体和LLM在保持有效性的同时具备可关闭性
研究者提出Discounted Reward for Same-Length Trajectories（DReST）奖励函数，用于训练深度强化学习智能体并微调Qwen3-14B、Gemma 4 12B、Granite 4.2 8B和gpt-oss-20b，使它们对轨迹长度保持中立且仍能有效追求目标。
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。