‹ arXiv cs.AI

关于测试时强化学习中多数投票伪标签的可靠性

原文:On the Reliability of Majority-Vote Pseudo-Labels in Test-Time Reinforcement Learning

arXiv cs.AI 未缓存正文

测试时强化学习(TTRL)使用自行生成的伪标签将预训练的语言模型适应未标记的目标域数据,但其可靠性仍然知之甚少。我们通过在线直接偏好优化(DPO)分析了 TTRL 的多数投票监督,并将其误差分解为总体多数偏差和提示相关的有限推出变化。因为人口

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类