Snowflake

Learning to Hint for Reinforcement Learning

为强化学习学习提示

Yu Xia, Canwen Xu, Zhewei Yao, Julian McAuley, Yuxiong He

机构 * University of California, San Diego（加州大学圣迭戈分校） ； Snowflake AI Research 纠错

AI总结 本文提出HiLL框架，通过联合训练提示策略和推理策略，解决强化学习中因提示不足导致的优势崩溃问题，通过提示依赖性理论提升提示的迁移效果，实验显示HiLL在多个基准上优于GRPO和传统提示方法。