本研究提出COS(M+O)S框架，结合蒙特卡罗树搜索与价值模型，优化开放式情节发展，显著提升3B参数语言模型的情节质量，接近70B模型水平。

COS(M+O)S: Exploring Story Space with Curiosity and Reinforcement Learning Enhanced Monte Carlo Tree Search through Language Models
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证