[控场AI]
概念Reward Evolution

奖励演化

一种受治理的机制,随着新需求和新工具出现调整奖励函数本身,但调整必须受控以防止模型追逐新奖励而牺牲旧能力。

时间轴 (近 90 天)

11月16日

G-CAST将日常生产数据转化为按奖励路由、按熵优先排序的训练数据,并配合受治理的奖励演化机制。

待验证50%
11月16日

消融实验表明,奖励路由加熵优先的数据编排、以及受治理的奖励演化,两个组件对最终收益都很重要,去掉任何一个效果都会打折扣。

待验证50%

全部知识事实 (2)

来源文章