Skip to content
简体中文

切换主题

arXiv 2610.17771 · cs.CL · 2026-10-13

Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders

Xin Li, Hao Jiang, Jinghao Guo, Weisi Lin, Chau Yuen

Nanyang Technological University

在最新榜 #259 本站收录于 2026-10-21

一句话要点

ReMaRk 让大模型推荐器的 GRPO 训练对所有回复的并集打分,消除随机抽一个回复带来的噪声。

ReMaRk scores recommendation lists against the union of all replies, removing responder noise from GRPO training of LLM recommenders.

79HF 点赞
3GitHub stars
0引用(Semantic Scholar)
49.7热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)