arXiv cs.AI· Sitong Wu, Haoru Tan, Bin Xia, Xichen Zhang, Jingyao Li, Shaofeng Zhang, Xiaojuan Qi, Bei Yu, Jiaya Jia·· 8 小时前AI 评分27
无需训练即可从奖励模型提取 token 级奖励：P2T 方法提升 LLM 推理能力
Unlocking Token Rewards via Training-Free Reward Attribution
AI 导读
研究者提出 P2T，一种无需训练的方法，可直接从现有深度奖励模型中提取 token 级奖励信号，通过一阶泰勒近似将影响计算简化为单次前向与反向传播。
来源：arXiv cs.AI · arxiv.org