Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.00439

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2506.00439 (cs)
[提交于 2025年5月31日 ]

标题: 强化学习辅助的大模型集成 (RLAE)

标题: RLAE: Reinforcement Learning-Assisted Ensemble for LLMs

Authors:Yuqian Fu, Yuanheng Zhu, Jiajun Chai, Guojun Yin, Wei Lin, Qichao Zhang, Dongbin Zhao
摘要: 集成大型语言模型(LLMs)能够有效结合不同模型的多样性优势,为提升各种任务性能提供了一种有前景的方法。然而,现有的方法通常依赖固定的加权策略,这些策略无法适应LLMs能力的动态、上下文相关的特性。 在这项工作中,我们提出了基于强化学习辅助的大语言模型集成框架(RLAE),这是一个通过马尔可夫决策过程(MDP)视角重新定义LLM集成的新框架。我们的方法引入了一个强化学习代理,该代理通过考虑输入上下文和中间生成状态来动态调整集成权重,并使用直接对应于最终输出质量的奖励进行训练。 我们使用单代理和多代理强化学习算法($\text{RLAE}_\text{PPO}$和$\text{RLAE}_\text{MAPPO}$)实现了RLAE,在多种任务上显著优于传统的集成方法。广泛的评估显示,RLAE在一组多样化任务中的表现比现有方法高出$3.3\%$准确率点,提供了一个更有效的LLM集成框架。此外,我们的方法在不同任务中表现出卓越的泛化能力,无需重新训练即可实现更低的时间延迟。
摘要: Ensembling large language models (LLMs) can effectively combine diverse strengths of different models, offering a promising approach to enhance performance across various tasks. However, existing methods typically rely on fixed weighting strategies that fail to adapt to the dynamic, context-dependent characteristics of LLM capabilities. In this work, we propose Reinforcement Learning-Assisted Ensemble for LLMs (RLAE), a novel framework that reformulates LLM ensemble through the lens of a Markov Decision Process (MDP). Our approach introduces a RL agent that dynamically adjusts ensemble weights by considering both input context and intermediate generation states, with the agent being trained using rewards that directly correspond to the quality of final outputs. We implement RLAE using both single-agent and multi-agent reinforcement learning algorithms ($\text{RLAE}_\text{PPO}$ and $\text{RLAE}_\text{MAPPO}$ ), demonstrating substantial improvements over conventional ensemble methods. Extensive evaluations on a diverse set of tasks show that RLAE outperforms existing approaches by up to $3.3\%$ accuracy points, offering a more effective framework for LLM ensembling. Furthermore, our method exhibits superior generalization capabilities across different tasks without the need for retraining, while simultaneously achieving lower time latency.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI)
引用方式: arXiv:2506.00439 [cs.LG]
  (或者 arXiv:2506.00439v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.00439
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yuqian Fu [查看电子邮件]
[v1] 星期六, 2025 年 5 月 31 日 07:38:41 UTC (9,895 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号