RedMoon / 训练日志

LLM 与强化学习

从策略更新对象出发,梳理大语言模型与强化学习的结合方式:谁在行动、谁提供训练信号、哪些参数被更新,以及团队结果如何转化成可检验的协作能力。

1 篇

  1. 研究地图

    LLM 与多智能体强化学习:从策略更新到协作信号

    以被更新的策略和训练信号为线索,区分直接训练 LLM、LLM 辅助传统 MARL、控制器学习与协作蒸馏。

返回论文