Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Reward and Guidance through Rubrics: Promoting Exploration to Improve Multi-Domain Reasoning

Created by
  • Haebom
Category
Empty

저자

Baolong Bi, Shenghua Liu, Yiwei Wang, Siqian Tong, Lingrui Mei, Yuyao Ge, Yilong Xu, Jiafeng Guo, Xueqi Cheng

개요

본 논문은 대규모 언어 모델(LLM)의 복잡한 추론 능력을 향상시키기 위해, 루브릭을 활용한 새로운 강화 학습(RL) 프레임워크인 RGR-GRPO (Reward and Guidance through Rubrics)를 제안합니다. RGR-GRPO는 세분화된 보상 신호와 오프라인 지침을 제공하여, LLM이 더 넓은 솔루션 공간을 탐색하도록 돕습니다. 14개의 다양한 도메인 벤치마크를 통해 RGR-GRPO가 기존의 RL 방법론보다 우수한 성능을 보임을 입증했습니다.

시사점, 한계점

•
시사점:
◦
다양한 도메인에서 LLM의 추론 성능을 향상시켰습니다.
◦
세분화된 보상과 오프라인 지침을 활용하여 탐색 공간을 확대했습니다.
◦
기존의 RL 기법보다 일관된 성능 향상을 보였습니다.
◦
오프라인 학습 중 안정적인 엔트로피 유지를 통해 지속적인 탐색을 가능하게 했습니다.
◦
Pass@k 성능 향상을 통해 성능 병목 현상을 극복했습니다.
•
한계점:
◦
구체적인 한계점은 논문에 명시되지 않았습니다.
👍
Made with Slashpage