多样性的幻觉：通过有效熵调整法学硕士探索

原文：The Illusion of Diversity: Aligning LLM Exploration via Effective Entropy

具有可验证奖励的强化学习已经将大型语言模型的对齐范式从主观偏好转变为客观正确性，但探索多样性和推理有效性之间仍然存在根本性的脱节。现有策略主要依赖于“盲目”熵度量，例如令牌级或全局序列级熵，其在结构上无法区分

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。