arXiv cs.AI· Wei Dai, Qianchu Liu, Guanghui Qin, Xing Han, Tristan Naumann, Paul Pu Liang, Sheng Zhang·· 18 天前AI 评分39
通过对抗式元提示词演化的递归奖励改进（RRI）
Recursive Reward Improvement via Adversarial Meta-Prompt Evolution
AI 导读
研究人员提出递归奖励改进（RRI）方法，利用对抗机制防范开放式专家任务中的奖励黑客行为，并通过至多两次修复步骤修订评分准则。在 HealthBench Professional 基准上，RRI 相比仅生成基准在 9B 和 27B 参数模型上分别提升 10.9 分和 12.4 分，无需外部模型时提升 10.3 分。
来源：arXiv cs.AI · arxiv.org