Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL
Aggiunta all'archivio di AIChronos il (numero del 18 ottobre 2026 ricostruito)· fonte del · Skylar Zhai, Haonan Wang, Zhining Liu, Linxin Song, Xuwei Ding, Jingcheng Liang (Mohamed Bin Zayed University of Artificial Intelligence)
Il lavoro propone MRTPO, un approccio che assegna l'advantage di ciascun reward solo ai token pertinenti, migliorando la convergenza e le prestazioni rispetto a metodi comparabili in scenari multi-reward. L'algoritmo utilizza il distanziamento Jensen-Shannon tra distribuzioni di token per misurare la rilevanza dei token.
- MRTPO assegna l'advantage di ciascun reward ai token pertinenti
- Utilizza il distanziamento Jensen-Shannon per misurare la rilevanza dei token
- Converge più velocemente e ha prestazioni migliori rispetto a metodi comparabili
Perché conta. È rilevante per uno sviluppatore che lavora con LLM, agenti e AI locale perché migliorano la capacità di gestire reward complessi in modelli di apprendimento automatico.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.