蘋果公司在強(qiáng)化學(xué)習(xí)領(lǐng)域邁出了創(chuàng)新步伐，其研究人員最近提出了一種名為“基于清單反饋的強(qiáng)化學(xué)習(xí)”（RLCF）的新方法。這一方法旨在優(yōu)化大語言模型（LLMs）處理復(fù)雜指令的能力，摒棄了傳統(tǒng)的人類點贊或點踩評分模式。lUS28資訊網(wǎng)——每日最新資訊28at.com

RLCF，全稱Reinforcement Learning from Checklist Feedback，它的核心在于為每個用戶指令生成詳細(xì)的檢查清單，并根據(jù)0到100分的評分系統(tǒng)對每一項進(jìn)行評判。這一改變，使得模型在優(yōu)化過程中能夠接收到更加具體和針對性的反饋，而非僅僅依賴于籠統(tǒng)的人類喜好。lUS28資訊網(wǎng)——每日最新資訊28at.com

lUS28資訊網(wǎng)——每日最新資訊28at.com

為了驗證RLCF方法的有效性，研究團(tuán)隊在強(qiáng)指令跟隨模型Qwen2.5-7B-Instruct上進(jìn)行了測試，測試涵蓋了五個常用的評測基準(zhǔn)。結(jié)果顯示，RLCF在所有測試中均取得了顯著提升：FollowBench的硬性滿意率提高了4個百分點，InFoBench提升了6點，Arena-Hard的勝率增加了3點，部分任務(wù)的最大提升甚至達(dá)到了8.2%。這些數(shù)據(jù)無疑證明了清單反饋在應(yīng)對復(fù)雜、多步驟任務(wù)時的強(qiáng)大效果。lUS28資訊網(wǎng)——每日最新資訊28at.com

在清單的生成方面，蘋果的研究團(tuán)隊也展現(xiàn)出了獨到的見解。他們利用規(guī)模更大的Qwen2.5-72B-Instruct模型，結(jié)合現(xiàn)有的研究方法，為13萬條指令創(chuàng)建了名為“WildChecklists”的數(shù)據(jù)集。這些數(shù)據(jù)集中的清單條目都是明確的二元判斷項，例如“是否準(zhǔn)確翻譯為目標(biāo)語言”。隨后，大模型會對候選回答進(jìn)行逐項評分，并將這些評分綜合加權(quán)，作為小模型訓(xùn)練的獎勵信號。lUS28資訊網(wǎng)——每日最新資訊28at.com

然而，蘋果研究者也坦誠地指出了RLCF方法的局限性。首先，它依賴于性能更強(qiáng)的模型作為評判者，這在資源受限的環(huán)境下可能難以實現(xiàn)。其次，RLCF專注于提升復(fù)雜指令的執(zhí)行能力，并未專門設(shè)計用于安全性對齊，因此不能替代安全性評估與優(yōu)化。對于其他類型的任務(wù)，該方法的適用性仍需進(jìn)一步的研究和驗證。lUS28資訊網(wǎng)——每日最新資訊28at.com

lUS28資訊網(wǎng)——每日最新資訊28at.com

舉報 0收藏 0打賞 0評論 0分享 0    更多>同類資訊釘釘十周年：AI釘釘1.0及首款硬件產(chǎn)品DingTalk A1重磅發(fā)布單看概念或許有點抽象，其實不難理解，在發(fā)布會現(xiàn)場，無招就用“奏折”來做比喻，AI釘釘就像是用戶的專屬秘書，將一切與工作相關(guān)的信息與任務(wù)進(jìn)行分析和整理，然后根據(jù)重要性排序，最終像信息流一樣呈現(xiàn)在用戶的面前。 …08-26科大訊飛融資凈買入超7千萬，近三日融資買入額持續(xù)高企8月25日，滬深兩融數(shù)據(jù)顯示，科大訊飛獲融資買入額6.80億元，居兩市第42位，當(dāng)日融資償還額6.07億元，凈買入7378.21萬元。 最近三個交易日，21日-25日，科大訊飛分別獲融資買入6.33億元、7.…08-26科大訊飛半年報：AI紅利助業(yè)務(wù)高增長，實控人定增彰顯信心AI紅利驅(qū)動各業(yè)務(wù)線健康成長 1）智慧教育業(yè)務(wù)25H1收入35.3億元，同比+23.5%，其中AI學(xué)習(xí)機(jī)上半年收入繼續(xù)保持翻番增長。4）企業(yè)AI解決方案25H1收入4.4億元，同比+349.9%，公司正在加…08-26AI招聘工具信任危機(jī)：超六成科技人才擔(dān)憂，呼吁人性化透明招聘08-26阿里國際Ovis2.5多模態(tài)大模型發(fā)布，提升視覺感知與深度推理能力08-26AI貓咪短片風(fēng)靡社交媒體，奇幻劇情吸引數(shù)億播放成新寵08-26算力新紀(jì)元：太原市算力產(chǎn)業(yè)邁向規(guī)模化高端化融合化新征程作為全國首個全棧自主可控的煤炭行業(yè)智能算力中心，該平臺建成包含盤古、文心、DeepSeek等大模型拼盤，完成了從技術(shù)可行到工程可靠、再到商業(yè)閉環(huán)的全鏈條驗證，為各類開發(fā)需求提供了強(qiáng)有力的算力支撐。山西數(shù)據(jù)流量…08-26高途武漢新設(shè)智成科技公司，涉足AI軟件開發(fā)領(lǐng)域08-26英偉達(dá)發(fā)布新一代機(jī)器人計算機(jī)Jetson Thor，售價2.5萬，宇樹優(yōu)必選等已采用08-26馬斯克xAI正式起訴蘋果與OpenAI，指控雙方聯(lián)手壟斷AI市場08-26庫克掌舵蘋果14載：從喬布斯離職到新品線開創(chuàng)的平穩(wěn)發(fā)展之路08-26英偉達(dá)H20芯片陷安全風(fēng)波，中國廠商停采，導(dǎo)致生產(chǎn)線暫停08-26移動云智算平臺攜手DeepSeek，共促AI大模型應(yīng)用高效落地在DeepSeek上線后，移動云快速完成全面接入，并針對DeepSeek－R1模型打造了定制算力方案，旨在以全面、強(qiáng)大的智算服務(wù)，滿足用戶部署、應(yīng)用DeepSeek時的多樣化需求。以移動云智算一體機(jī)服務(wù)為例，…08-26中國移動算網(wǎng)大腦3.0：智能算力新紀(jì)元，賦能千行百業(yè)簡單說，它就是算力網(wǎng)絡(luò)的 “超級智能管家”。 向上能服好務(wù)：把復(fù)雜的算力調(diào)度變成“一句話的事”，用戶不用懂技術(shù)，說清需求就能拿到方案，比如要搭個工廠 AI 質(zhì)檢系統(tǒng)，它會自動配齊存儲、計算、安全資源。看這三…08-26AI編程新潮流：卡帕西揭秘四層工具鏈，Cursor主打，GPT-5收尾這是因為，當(dāng)下，開發(fā)者無法基于單一編程工具滿足所有開發(fā)需求，且這些工具擅長的點各有不同，包括Cursor編輯器善于自動補(bǔ)全代碼，但需頻繁重啟；獨立AI編程工具可以針對開發(fā)者不了解內(nèi)容編程，但需要定期清理代碼…08-26點擊查看更多 +全站最新羅永浩澄清微博熱搜：拉黑的是起哄網(wǎng)友，非俞敏洪王自如釘釘十周年：AI釘釘1.0及首款硬件產(chǎn)品DingTalk A1重磅發(fā)布英偉達(dá)發(fā)布機(jī)器人“最強(qiáng)芯”Jetson Thor，業(yè)界領(lǐng)袖盛贊性能飛躍嘎子直播賣酷派“新機(jī)”翻車，反詐老陳打假引熱議，真相竟是4年前老款？真我新機(jī)曝光：15000mAh超大電池，續(xù)航超50小時，你會買單嗎？索尼電影機(jī)FX3系列迎來重大固件升級，多項新功能提升拍攝效率熱門內(nèi)容

• 雷軍抖音賬號變動引熱議：武漢大學(xué)標(biāo)簽悄然消失？
• 云計算新紀(jì)元：云智融合引領(lǐng)未來趨勢，安全與技術(shù)創(chuàng)新并行
• 阿里巴巴1688升級AI服務(wù)：新品App與查詢工具上線，賦能中小企業(yè)高效采購
• 華為Mate 80系列爆料：全新麒麟9030，eSIM與低軌衛(wèi)星通訊技術(shù)加持
• AI企業(yè)市場新格局：Anthropic超越OpenAI成首選
• 浙大發(fā)布“悟空”類腦計算機(jī)：神經(jīng)元規(guī)模超20億，模擬獼猴大腦
• 2025年人工智能發(fā)展藍(lán)圖：趨勢、格局與行業(yè)應(yīng)用深度剖析
• 紅米Note15系列前瞻：7s芯片、7000mAh大電池，防水新標(biāo)桿即將登場
• 光伏電站智能化管理：提升效率，降低成本，助力“雙碳”目標(biāo)實現(xiàn)
• 字節(jié)跳動AI底層架構(gòu)領(lǐng)跑2025：技術(shù)、組織與財務(wù)全面賦能AI時代
• 雷軍抖音賬號母校標(biāo)簽“武漢大學(xué)”消失，或涉平臺隱私調(diào)整
• 國家網(wǎng)信辦約談英偉達(dá)：要求闡釋H20算力芯片安全隱患及后門風(fēng)險
• 馬斯克將為Grok Heavy用戶帶來AI視頻生成器及虛擬男友“Valentine”測試版
• 英偉達(dá)H20芯片安全風(fēng)險引關(guān)注，網(wǎng)信辦約談要求說明“追蹤定位”等技術(shù)詳情
• AI浪潮下，微軟研究預(yù)警：40種職業(yè)或面臨變革挑戰(zhàn)

本欄最新釘釘十周年：AI釘釘1.0及首款硬件產(chǎn)品DingTalk A1重磅發(fā)布算力新紀(jì)元：太原市算力產(chǎn)業(yè)邁向規(guī)模化高端化融合化新征程高途武漢新設(shè)智成科技公司，涉足AI軟件開發(fā)領(lǐng)域移動云智算平臺攜手DeepSeek，共促AI大模型應(yīng)用高效落地中國移動算網(wǎng)大腦3.0：智能算力新紀(jì)元，賦能千行百業(yè)AI編程新潮流：卡帕西揭秘四層工具鏈，Cursor主打，GPT-5收尾

本文鏈接：http://www.rrqrq.com/showinfo-45-26935-0.html蘋果推出RLCF技術(shù)：以大模型為導(dǎo)師，強(qiáng)化小模型復(fù)雜指令執(zhí)行能力

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 王國棟院士：人工智能引領(lǐng)鋼鐵行業(yè)轉(zhuǎn)型升級，邁向綠色未來

下一篇： 釘釘十周年：AI釘釘1.0及首款硬件產(chǎn)品DingTalk A1重磅發(fā)布