Políticas robustas a la perturbación de aprendizaje para agentes de LLM con optimización estable
Resumen del corpus
Se investiga cómo mejorar la robustez a la perturbación en la optimización de políticas para agentes de LLM mediante el aprendizaje por refuerzo. Se introduce la Optimización de Política Robusta a la Perturbación Estable (SPrPO) para aplicar perturbaciones adaptativas durante el entrenamiento de RL. Los experimentos demuestran una mayor robustez a la perturbación manteniendo una optimización de política estable.
Tags
Personas mencionadas
Noticia original