TACLer：効率的な推論を実現するモデル適応型カリキュラム強化学習

要約

TACLerは、大規模言語モデルの推論効率と精度を向上させる強化学習フレームワークです。モデルの習熟度に合わせて学習データの難易度を段階的に上げるカリキュラム学習と、思考モードの有無を切り替えるハイブリッド推論を採用しています。これにより、学習コストを50%以上、推論時のトークン数を42%以上削減しつつ、数学課題で高い精度を達成しました。

全文は有料プランで閲覧できます。