概念Generator-Selector Framework
生成器-选择器框架
一种智能体推理框架,生成器负责产生多样化的候选动作,选择器充当评分函数从中挑选最优执行,选择器可使用奖励模型、批评模型或通用LLM
时间轴 (近 90 天)
11月5日
回合级Best-of-N采样是一种推理时扩展方法,通过生成器-选择器框架提升LLM智能体在长期任务中的表现。
待验证50%
一种智能体推理框架,生成器负责产生多样化的候选动作,选择器充当评分函数从中挑选最优执行,选择器可使用奖励模型、批评模型或通用LLM
回合级Best-of-N采样是一种推理时扩展方法,通过生成器-选择器框架提升LLM智能体在长期任务中的表现。