EliteReplay: Erhaltung der Lösungsvielfalt beim RL-Post-Training
EliteReplay nutzt Quality-Diversity-Suche während des Reinforcement-Learning-Post-Trainings, um die Verringerung der Lösungsvielfalt in LLMs zu verhindern.
EliteReplay nutzt Quality-Diversity-Suche während des Reinforcement-Learning-Post-Trainings, um die Verringerung der Lösungsvielfalt in LLMs zu verhindern.