跳到主要内容
检索

# AutoScaffold自动脚手架框架

1 篇关联报道

订阅更新
  1. arXiv

    训练提示词里加一段临时脚手架:AutoScaffold 撤掉辅助后仍比 RL 基线高 7.2 分

    强化学习只用结果奖励打分,一次尝试里的推理、动作和反馈大多被压成一个数字,失败轨迹里的信息随之浪费。AutoScaffold 让一个冻结的教师模型定期读取学生的训练记录,诊断卡点,写出跨任务共享的策略和针对单道难题的提示,并在部署前用留出任务检验班级级修改。四个领域撤掉脚手架评测时都高于对应 RL 基线,ALFWorld 成功率高出 7.2 分,搜索问答平均精确匹配高出 4.0 分。

已读完全部报道