Co-RL：多模型协作强化学习让无监督推理能力涌现
Co-RL: Unsupervised Reasoning Emerges from Diverse Cohort in Multi-agent RL
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Co-RL 提出一种协作式多智能体强化学习框架，让多个不共享参数的模型用同伴给出的奖励同时优化，在完全不用标注数据的情况下提升推理能力。该框架在七个纯文本基准上平均提升 3.0-8.6%，在四个多模态基准上提升 2.3-7.2%，可匹配或超过有监督方法。
来源：Hugging Face Daily Papers · arxiv.org