arXiv cs.AI· Zhiwei Zhang, Huayu Deng, Fei Zhao, Jiayan Fu, Bin Liang, Kam-Fai Wong, Mu Chuan·· 1 天前AI 评分39
ROSS：通过选择性监督从自生成 rollout 中再学习
ROSS: Relearning from Self-Generated Rollouts through Selective Supervision
AI 导读
论文提出 ROSS（Relearning from Self-Generated Rollouts through Selective Supervision），保留完整历史轨迹作为上下文，仅对选定的模型生成内容施加损失，实现从自生成 rollout 中再学习。
来源：arXiv cs.AI · arxiv.org