arXiv 机器学习· Ali Aouad, Aymane El Gadarri, Vivek F. Farias·· 6 小时前AI 评分38
重新审视奖励优化的 Scaling Laws
Revisiting scaling laws for reward optimization
AI 导读
研究提出了一项联合考虑偏好训练数据量 M 与策略散度预算 K 的奖励优化 Scaling Law，性能表现近似遵循 $\Theta(\sqrt{\min\{\log(M),K\}})$。
来源：arXiv 机器学习 · arxiv.org