[控场AI]
概念single completion training

单次补全训练

仅使用单次补全样本进行训练的优化方式,可降低多采样带来的算力开销

时间轴 (近 90 天)

11月3日

@k 压力完全可以通过单次补全训练实现,性能匹配多补全 @k 优化器,而成本只是后者的一小部分。

待验证50%
11月3日

单次补全训练是指在每次策略更新时,对每个提示只采样一条补全,却通过奖励变换或正则化设计来模拟 @k 目标的学习压力。

待验证50%

全部知识事实 (2)

来源文章