新方法仅优化10万偏置参数实现测试时强化学习
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究人员提出一种无标签偏置测试时强化学习方法，在保持预训练主干冻结的情况下，仅优化约10万个偏置参数。该方法利用多数投票伪标签作为奖励信号，在MATH-500数据集上达到76.67%的准确率，略超有标签偏置引导复现结果，且优化参数量比全参数方法少7.6万倍。该训练流程同样提升了视觉语言和音频推理任务的表现，且学习到的引导向量能迁移至4500个未见过的数学问题。
为什么值得看
大幅降低测试时适应的计算成本，无需人工标注即可提升模型推理能力。
强化学习数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。