BriefGPT - AI 论文速递 · 2025-02-17T00:00:00Z

LIMR: Less is More in Reinforcement Learning Expansion

📝

内容提要

本文探讨了影响强化学习训练数据提升语言模型推理能力的因素，提出了“学习影响测量”（LIM）方法，表明通过精心选择的1,389个样本可以超越8,523个样本的数据集表现，强调了样本选择的重要性。

🏷️

标签

学习影响测量 强化学习 推理能力 样本选择 语言模型