Learning from Language Feedback via Variational Policy Distillation
通过变分策略蒸馏从语言反馈中学习
🧭 LLM ★ 深度解读
Salesforce AI Research
将语言反馈学习形式化为变分EM，通过教师与学生的协进化蒸馏持续提升推理性能
#Variational Policy Distillation
1 篇
每日 AI / 电商 / 推荐系统 / Agent 论文精选
1 篇
通过变分策略蒸馏从语言反馈中学习
Salesforce AI Research
将语言反馈学习形式化为变分EM，通过教师与学生的协进化蒸馏持续提升推理性能