基于强化学习的上下文学习用于不完整发言重写

本研究解决了当前大语言模型（LLMs）在上下文学习中示例选择方法的不足，尤其是缺乏直接反馈来优化示例选择器的问题。我们提出了一种基于策略的强化学习框架，能够有效选择示例并显著提升LLM的类比能力。实验结果显示该方法在多种数据集上超越了现有的示例选择方法，并在少样本设置下优于监督微调模型。