提出了Experiential Learning (EL)方法,将LLM-as-a-Judge转化为LLM-as-a-Coach,通过提取经验知识提供高带宽反馈,用于非可验证任务,优于基于标量奖励的强化学习,并提升了泛化能力。
机构:Microsoft
来源:arXiv 2607.18110 | AI4Papers 论文推荐平台