标签
本文介绍了面向上下文强化学习的任务特化微调（TSFT），该框架利用一个简单的参数模型和整数线性规划高效分配微调预算，在任务覆盖方面显著超越基线方法。
本文提出了一种强化学习方法，使大型语言模型能够通过利用上下文中的语言知识来翻译未见过的语言，其表现优于上下文学习和监督微调。