语言模型的策略梯度训练方法用于排名
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种名为 Neural PG-RANK 的新型训练算法，通过实例化一个语言模型为 Plackett-Luce 排序策略，为检索模型的端到端训练提供了一种合理的方法，并有效地将训练目标与下游决策质量相统一。
🏷️
