arXiv preprint / 奖励驱动进化

Scalable Best-of-N Selection for Large Language Models via Self-Certainty

作者：Zhewei Kang, Xuandong Zhao, Dawn Song · 单位：UC Berkeley · 会议/期刊：arXiv preprint · 方向：奖励驱动进化 · 发布日期：2025-02-25

自我进化智能体奖励驱动进化大语言模型智能体奖励学习强化学习
新标签打开 AlphaXiv新标签打开 Code
Scalable Best-of-N Selection for Large Language Models via Self-Certainty figure
AlphaXiv 中文概览（可滚动查看）