self-disagreement

标签

Cards List
#self-disagreement

基准测试不会反驳:通过自我分歧进行学习

arXiv cs.CL ↗ · 昨天 缓存

本文提出了“辩证能力”——即在面对反驳推理时,知道何时坚持或放弃某一立场——并提出了 Self-Disagreement(自我分歧),一种 RLVR 方法:模型自行生成对立论点,并通过对其作出裁决来接受训练,无需第二个模型、奖励模型或人工标注。

0 人收藏 0 人点赞
← 返回首页

提交意见反馈