arXiv 人工智能· Arip Asadulaev, Aladin Djuhera, Karim Salta, Holger Boche, Fakhri Karray, Martin Takac·· 4 小时前AI 评分42
热带强化学习（Tropical Reinforcement Learning）
Tropical Reinforcement Learning
AI 导读
研究提出热带强化学习（Tropical Reinforcement Learning）及训练算法 TROPIC，通过取候选解的最大值而非传统概率求和（引入热带半环），显著改善大语言模型的组合推理能力。
来源：arXiv 人工智能 · arxiv.org