Collection de recherches
#paired-credit-assignment
Recherche avec le tag paired-credit-assignment: explications, preuves, limites et liens entre articles.
1 résultats
Twice attribue aux agents de recherche le mérite de chaque tour
Twice reprend l’aléatoire ultérieur pour attribuer le crédit aux tours d’un agent ; sa moyenne de réponses exactes dépasse celle de GRPO sur sept tests avec deux modèles Qwen.