Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning
Este artículo presenta la Iteración de Política con Retroalimentación Humana (PIHF, por sus siglas en inglés), un marco que aprovecha un crítico de modelo de lenguaje y la supervisión de expertos clínicos para refinar iterativamente políticas en lenguaje natural para el diagnóstico de enfermedades raras, demostrando mejoras significativas de rendimiento a través de diversos tamaños de modelos sin alterar sus pesos subyacentes.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.