MENTOR: Learning from Failure with On-Policy Pedagogical Intervention

arXiv cs.AI · 12 oct, 06:00

Un artículo sobre MENTOR, un framework de multi-agentes que mejora el aprendizaje por refuerzo en modelos de razonamiento grandes mediante intervención pedagógica en tiempo real. El trabajo aborda el problema de "zero-reward collapse" durante el entrenamiento, donde un aumento repentino de dificultad causa la desaparición de la señal de aprendizaje.