Apple Machine Learning Research·· 1 天前AI 评分43
Apple 提出 RLTL;DR：通过内化自生成反馈实现自我提升
RLTL;DR: Self-Improvement by Internalizing Self-Generated Feedback
AI 导读
Apple 研究团队提出 RLTL;DR，让策略在每次失败后根据验证器输出自行撰写一条 TL;DR 式反馈，并将上下文中的洞察反向传播以内化“任务→洞察”映射。
来源：Apple Machine Learning Research · machinelearning.apple.com