temporal-discipline

#temporal-discipline

TEMPO：通过模式分离策略优化实现时间强制，用于可信的大语言模型回测

arXiv cs.LG ↗ · 2026-05-20

提出TEMPO，一种策略优化方法，通过使用双模式奖励和基于GRPO的训练，训练大语言模型仅依据截止日期前的信息进行推理，将知识泄露降低2–13%，同时将任务性能提升6–13%。

0 人收藏 0 人点赞