热点事件持续更新

FSPO提出预算化强化学习后训练控制器

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Miaobo Hu 等作者提出 FSPO，用反馈状态控制器管理预算约束下的大语言模型强化学习后训练；在资源约束与 GRPO 匹配的实验中，其留出集准确率为 66.11%、分布外（OOD）准确率为 59.43%，高于 PB2 的 64.47% 和 57.03%。作者还报告，启用 FSPO 的三项组件后，轨迹失败率从 0.181 降至 0.083。

AI 根据报道生成 · 2 小时前更新

最新进展10月19日 12:00

FSPO：面向预算化 LLM 强化学习后训练的策略一致风险与帕累托可行控制

报道时间线

沿着报道，了解事件的不同侧面。

10月19日

12:00
arXiv · Machine Learning
FSPO：面向预算化 LLM 强化学习后训练的策略一致风险与帕累托可行控制
FSPO 面向预算化 LLM 强化学习后训练，提出反馈状态控制器，联合处理策略一致风险、决策条件轨迹校准和多资源可行性。匹配 GRPO 资源约束下，FSPO 的留出集和 OOD 准确率达 66.11% 和 59.43%，高于 PB2 的 64.47% 和 57.03%。启用三项组件后，轨迹失败率由 0.181 降至 0.083。

本事件热度走势

可比范围当前: 8
可比范围峰值: 810月19日 19:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。