离线激励评估与优化
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了 Prompt-OIRL 方法，它是一种基于脱机逆强化学习的方法，旨在弥合有效提示评估和可承受性之间的差距。该方法在四个 LLM 和三个算术数据集上验证了其有效性，并提供了代码和离线数据集。
🏷️
