IXThinker·2025-06-03 12:50

貝葉斯自適應強化學習 解釋模型何時該反思

推理模型常表現出類似自我反思的行為，但這些行為是否真的能有效探索新策略，存有疑問。西北大學與Google、谷歌DeepMind團隊提出貝葉斯自適應強化學習，首次解釋模型為何、如何及何時應反思並探索新策略。

質疑傳統RL

團隊質疑傳統強化學習與反思之間的關係：推理模型常表現出的反思行為，未必能有效探索新策略，可能只是表象動作，需要更有原則的機制來判斷何時切換策略。