爱可可 AI 前沿推介(12.18)

文章预览

LG - 机器学习 CV - 计算机视觉 CL - 计算与语言 1、[LG] Entropy-Regularized Process Reward Model 2、[LG] Neural general circulation models optimized to predict satellite-based precipitation observations 3、[CL] Understanding Knowledge Hijack Mechanism in In-context Learning through Associative Memory 摘要：熵-正则化过程奖励模型、优化用于预测卫星降水观测的神经环流模型、通过联想记忆理解上下文学习中的知识劫持机制 1、[LG] Entropy-Regularized Process Reward Model H Zhang, P Wang, S Diao, Y Lin… [University of Illinois Urbana-Champaign & University of Toronto & NVIDIA] 熵-正则化过程奖励模型 要点: 熵正则化过程奖励模型 (ER-PRM):  本文提出了一种新的熵正则化过程奖励模型，用于提升大型语言模型 (LLM) 在复杂数学推理任务中的能力。这与主要关注结果奖励的现有方法形成对比。 过程奖励与结果奖励:  核心思想是，评估中间步骤（ ………………………………