人間誠實周鴻祎：360 All in 大模型的六個解讀
主筆 / 村口有牛文章架構師 / 毛自聰出品 / 巨頭財經5月至今，人間躁動，各路大模型你方唱罷我登場，VC圈互聯網圈媒體圈已近癲狂。誰也沒想到，今日，360再度刷屏，老牌互聯網巨頭展現
3 月 24 日消息，科技媒體 marktechpost 昨日（3 月 23 日）發布博文，報道稱 Meta AI 公司攜手加州大學伯克利分校，合作推出名為 SWEET-RL 的強化學習框架，并發布了 CollaborativeAgentBench（ColBench）基準測試。
這一創新旨在提升大語言模型（LLMs）在多輪人機協作任務中的表現，特別是在后端編程和前端設計領域。SWEET-RL 通過逐輪優化決策，顯著提高了模型的任務完成率，并展示了其在開源模型（如 Llama-3.1-8B）與專有模型（如 GPT-4o）競爭中的潛力。
項目背景援引博文介紹，大語言模型正逐漸演變為能夠執行復雜任務的自主智能體，但在多輪決策任務中仍面臨挑戰。
傳統訓練方法依賴于單輪反饋或模仿高概率行為，無法有效處理長期依賴和累積目標。這導致模型在協作場景中表現不佳，特別是在理解人類意圖和多步驟推理方面。
SWEET-RL 的創新之處SWEET-RL 采用非對稱的“演員-評論家”結構，評論家在訓練過程中可以訪問額外信息（如正確答案），從而更精確地評估演員的決策。
該框架直接建模逐輪的優勢函數，簡化了信用分配過程，并與 LLMs 的預訓練架構更好地對齊。實驗結果顯示，SWEET-RL 在后端編程任務中通過率提升至 48.0%，前端設計任務的余弦相似度達到 76.9%，顯著優于其他多輪強化學習方法。
ColBench 包含超過 10000 個訓練任務和 1000 個測試案例，模擬真實的人機協作場景。任務設計涵蓋后端編程（如 Python 函數編寫）和前端設計（如 HTML 代碼生成），并限制每輪交互最多 10 次。
這一基準測試通過單元測試通過率（代碼）和余弦相似度（設計）評估模型表現，為多輪任務提供了可靠的評估標準。
本文鏈接：http://www.tebozhan.com/showinfo-45-11623-0.htmlMeta 推出強化學習新框架 SWEET-RL，讓 AI 更懂人類意圖
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號