AGI Hunt· daibond_alpha·· 1 小时前AI 评分42
EBM 视角解析:best-of-N 与 RL 微调同属一个 KL 正则目标
EBM 视角:best-of-N 与 RL 微调同属一个 KL 正则目标
AI 导读
EBM 统一视角将 best-of-N、verifier 与 RL 微调归入同一个 KL 正则化 EBM,指出三者的区别仅在于计算成本付在训练时还是推理时。配套示意图展示 amortization 与 best-of-N 采样微调两种流程,以及梯度如何通过 π 的 EBM 形式回传。
来源:AGI Hunt · agihunt.info