arXiv Artificial Intelligence· Guangcheng Zhu, Yingfan Ma, Xing Zheng, Haobo Wang, Shenzhi Yang, Kai Tang, Zhengqing Zang, Bowen Song, Weiqiang Wang, Gang Chen·· 19 小时前AI 评分24
CoCA：面向评分标准强化学习的标准感知信用分配
CoCA: Criterion-Aware Credit Assignment for Rubric-Based Reinforcement Learning
AI 导读
针对评分标准强化学习将标准级反馈压缩为标量奖励、对 token 统一分配优势的问题，研究者提出 CoCA，把评分标准作为信用分配的相关性线索，从组内相对结果推导标准级信用，并依据标准引起的分布偏移将其分配到各 token。在医学与科学基准上，CoCA 相较标准评分标准强化学习平均提升 4.2%。
来源：arXiv Artificial Intelligence · arxiv.org