泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
来自主题: AI技术研报
5721 点击 2025-05-16 15:25