如何微调模型：统一模型偏移与模型偏差策略优化

BriefGPT - AI 论文速递 · 2023-09-22T00:00:00Z

本文介绍了一种名为USB-PO的基于模型的强化学习算法，通过统一模型漂移和模型偏差，并制定了一种自适应微调过程，以获得性能改进保证，同时避免模型过拟合。实证结果表明，USB-PO在几个具有挑战性的基准任务上实现了最先进的性能。