概览四大区域理事会&执委会技术委员会技术委员会章程其他委员会显示未来之星委员会章程显示产业可持续及检测相关专家工作组2024 SID新技术研讨会2023 SID新技术研讨会2022 SID显示周新技术演讲会2021 SID显示周新技术演讲会新型显示技术论坛暨2020年SID显示周技术演讲会2019显示周新技术演讲会2018显示周新技术演讲会2017显示周新技术演讲会2016 SID显示周新技术演讲会往届显示周新技术演讲会显示培训学校企业会员联谊活动SID China华大九天杯创新竞赛新型显示技术竞赛中国代表团报名SID显示周签证邀请函申请第一届代表团活动回顾中国代表团活动介绍SID显示周中国代表团调研活动会议介绍会议报名讲师介绍智能显示与芯片集成技术研讨会全球未来显示创新技术交流对接会ICDT大会ICDT出版刊物2018年名单2019年名单2020年名单2017年名单2021年名单2022年名单优秀论文奖&优秀学生论文奖FTS技术报告购买换届选举学生分会章程上海学生分会活动换届结果通知上海学生分会介绍执委会竞选投票上海学生分会活动计划上海学生分会深圳学生分会活动计划深圳学生分会活动深圳学生分会执委会竞选投票换届结果通知成都学生分会活动计划成都学生分会活动成都学生分会执委会竞选投票广州学生分会活动计划广州学生分会北京学生分会活动计划北京学生分会执委会竞选投票换届结果通知福州学生分会活动计划福州学生分会CDIA 2025年申请CDIA 2024年获奖名单CDIA 2023年获奖名单CDIA 2022年获奖名单CDIA 2021年获奖名单CDIA 2020年获奖名单CDIA 2019年获奖名单SID中国区显示行业奖(CDIA)SID全球个人奖项SID China个人奖项个人会员权益SID个人会员入会申请表个人企业

谷歌 DeepMind 展示 GenRM 技术:微调 LLMs 作为奖励模型,提升生成式 AI 推理能力

来源:https://www.ithome.com/

谷歌 DeepMind 团队于 8 月 27 日在 arxiv 上发表论文介绍展示了 GenRM 生成式验证器,创造性提出奖励模型,从而提升生成式 AI 推理能力。

AI 行业内,目前提高大语言模型(LLMs)的主流做法就是 Best-of-N 模式,即由 LLM 生成的 N 个候选解决方案由验证器进行排序,并选出最佳方案。

这种基于 LLM 的验证器通常被训练成判别分类器来为解决方案打分,但它们无法利用预训练 LLMs 的文本生成能力。

DeepMind 团队为了克服这个局限性,尝试使用下一个 token 预测目标来训练验证器,同时进行验证和解决方案生成。

DeepMind 团队这种生成式验证器(GenRM),相比较传统验证器,主要包含以下优点:

  • 无缝集成指令调整

  • 支持思维链推理

  • 通过多数投票利用额外的推理时间计算

在算法和小学数学推理任务中使用基于 Gemma 的验证器时,GenRM 的性能优于判别式验证器和 LLM-as-a-Judge 验证器,在使用 Best-of-N 解决问题的百分比上提高了 16-64%

据 Google DeepMind 报道,GenRM 相对于分类奖励模型的边标志着人工智能奖励系统的关键演化,特别是在其容量方面,以防止新模型学成到的欺诈行为。这一进步突出表明,迫切需要完善奖励模型,使人工智能输出与社会责任标准保持一致。

参考地址: