计算机科学 > 机器学习
[提交于 2025年7月15日
]
标题: 分步策略用于稀有工具知识(SPaRK):在大型语言模型中驱动多样化工具使用的离线强化学习
标题: Step-wise Policy for Rare-tool Knowledge (SPaRK): Offline RL that Drives Diverse Tool Use in LLMs
摘要: 我们提出了一种分步策略,用于稀有工具知识(SPaRK),这是一种新颖的强化学习框架,它教会大型语言模型在传统高温采样之外探索多种工具使用模式。 基于分步强化学习的最新进展,我们引入了一个双目标奖励系统,同时优化答案质量和工具多样性,在MMLU-Pro数据集上合成生成的轨迹上通过离线PPO训练Llama-3.1 8B模型。 我们的方法独特地采用了一种以稀有性优先的利用策略,其中GPT-4o评判者对八个不同工具加上思维链推理的候选动作进行评分,策略倾向于较少使用但仍然可行的工具,以鼓励系统性探索。 实证结果表明,SPaRK在14个MMLU-Pro类别中表现出具有竞争力的性能,同时在工具选择上的熵显著高于基线和监督微调方法,这表明通过显式工具多样性进行算法探索可以在不牺牲准确性的情况下增强推理能力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.