概念In-Context RL / In-Context Reinforcement Learning
上下文内强化学习
在模型推理阶段、不修改模型权重的前提下，通过在提示词中嵌入试错反馈信号来改变模型行为的强化学习技术路线
时间轴 (近 90 天)
9月30日
研究者展示了一个简单的上下文内强化学习（in-context RL）算法，能够显著降低诱发失控行为所需的算力
待验证50%
在模型推理阶段、不修改模型权重的前提下，通过在提示词中嵌入试错反馈信号来改变模型行为的强化学习技术路线
研究者展示了一个简单的上下文内强化学习（in-context RL）算法，能够显著降低诱发失控行为所需的算力