跳到主要内容
检索

# 奖励增益不均衡

1 篇关联报道

订阅更新
  1. arXiv

    等权评分细则并不等于等贡献:DCC把每条准则的分数夹进双中心区间,排名准确率随之提高

    按评分细则给大模型打分的强化学习通常把各条准则的分数等权相加,但不同准则在“满足”与“不满足”之间的分数差并不相同,等权并不等于等贡献。研究把这一差异形式化为奖励增益失衡,并给出候选两两奖励差的精确分解:失衡项既能放大也能削弱真正反映满足条数的基准信号,误排多集中在被削弱的候选对上。据此设计的双中心裁剪聚合DCC只用当前候选组的分数估计上下两个中心,把每条准则的贡献限制在区间内;在两个数据集和两个评判模型上,其Exact指标均高于所比较的方法。

已读完全部报道