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
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程