研究：非最优演示下多响应学习的统计收益

一项 arXiv 论文研究在演示者不保证最优的前提下，从演示中学习时使用多个候选响应（pass@k，k≥2）相比单一响应（pass@1）的统计收益。作者 Chandramauli Chakraborty 和 Cong Ma 称，多响应可将最坏情况下对目标精度的依赖从 1/ε² 降至 1/ε，且这一结果不依赖演示者质量。 在标准评估下，增大 k 还能把对奖励类大小 N 的最优依赖从 log N 改善至 log N/log k；但在稳健评估下，这一 1/log k 的增益可能消失，而 1/ε 的快速依赖依然保持。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。