Ir para o conteúdo

Radar ·

GRPO sem treinamento usa memória de experiências

Método descrito mantém o modelo congelado e consulta uma memória textual de tentativas bem e malsucedidas. O relato afirma desempenho comparável ao fine-tuning com 100 exemplos.

Um método chamado Training-Free GRPO mantém o modelo congelado e usa uma memória em linguagem natural com registros de rollouts bem-sucedidos e malsucedidos. Segundo o relato, a abordagem alcança desempenho de fine-tuning com 100 exemplos; esse resultado é uma afirmação do material e não uma garantia para outros cenários.

A proposta pode interessar a engenheiros que buscam reduzir custos computacionais e evitar atualizações de parâmetros durante o treinamento. Para estudar ou aplicar a ideia com IA, evite incluir dados confidenciais da organização e use apenas exemplos autorizados ou anonimizados. O método descrito não é uma funcionalidade da Rota Nacional.

Fonte original: Training-Free GRPO usa memória textual de experiências

Curadoria · AgentLog

Receba o essencial

Privacidade, engenharia de IA e segurança no seu e-mail.

No máximo um resumo por dia, quando houver novidades. Cancele quando quiser. Usamos o e-mail verificado da sua conta.

Privacidade

Procurando outra coisa?AjudaContato