Adobe

Partial Policy Gradients for RL in LLMs

强化学习在大语言模型中的部分策略梯度

Puneet Mathur, Branislav Kveton, Subhojyoti Mukherjee, Viet Dac Lai

机构 * Adobe Research（Adobe研究） 纠错

AI总结 本文提出了一种在大语言模型中使用部分策略梯度的方法，通过优化未来奖励的子集来建模和比较不同策略类别，展示了不同策略在不同任务中的表现差异。