概念Test-Time Reinforcement Learning
测试时强化学习
测试时强化学习是一种在推理阶段、无标注数据条件下利用模型自身预测构造奖励信号在线更新参数或策略的机器学习范式,区别于监督微调和仅调整提示的测试时适应。
时间轴 (近 90 天)
10月30日
无标签测试时强化学习利用模型自身预测产生的奖励进行自我调整,无需标注数据。
待验证50%
测试时强化学习是一种在推理阶段、无标注数据条件下利用模型自身预测构造奖励信号在线更新参数或策略的机器学习范式,区别于监督微调和仅调整提示的测试时适应。
无标签测试时强化学习利用模型自身预测产生的奖励进行自我调整,无需标注数据。