Miércoles 28 de octubre de 2026 ·
CONCUR: nuevo método para entrenar LLM con recompensas auxiliares en varias tareas
Investigadores proponen CONCUR, un estimador de ventaja para el aprendizaje por refuerzo de modelos de lenguaje entrenados en varias tareas con recompensas auxiliares condicionadas, como la de longitud. El método impide que una recompensa secundaria invierta el orden que marca la principal y da puntuación igual a las respuestas en el techo de la principal. Probado en tres modelos de dos familias, mejora la media frente a las líneas base en matemáticas, código, seguimiento de instrucciones y escritura.
Qué significa
Quien entrena modelos de lenguaje con refuerzo en varias tareas puede mantener recompensas auxiliares, como la de longitud, sin que contradigan el objetivo principal. Según el artículo, esto mejora el resultado medio frente a eliminarlas.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.CLLeer la noticia completa en arXiv cs.CL
También ese día
Todas las noticias de IA del miércoles 28 de octubre de 2026 ->