反思

推理模型常表现出类似自我反思的行为，但它们是否真的能有效探索新策略？ 对此，西北大学与 Google、谷歌 DeepMind 团队对传统强化学习与反思的关系提出质疑，并提出了贝叶斯自适应的强化学习方法，首次解释了为何、如何以及何时应进行反思和探索。 通过对比采用传统强化学习和新方法训练的模型，研究人…