Apple · 机器学习研究·· 1 天前AI 评分38
RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation
RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation
AI 导读
RISED 是一种基于评分标准的框架，用于指导多环境智能体训练中的数据选择和策略监督，通过 LLM 生成的评分标准提升模型行为一致性。该方法在多个模型主干上实现了跨环境最高的平均通过率，并在每个单独环境中排名前二。正向评分标准为策略自蒸馏提供额外的监督，负向评分标准则帮助避免重复失败模式。
来源：Apple · 机器学习研究 · machinelearning.apple.com