Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight

arXiv cs.AI · 7 oct, 06:00

Investigadores presentan Self-Retrospection Distillation (SRD), una técnica de aprendizaje por refuerzo que utiliza la experiencia post hoc de un agente para mejorar predicciones anticipadas. El método complementa el aprendizaje con recompensas verificables en tareas de razonamiento largo plazo, mostrando mejoras de hasta 24,2 puntos porcentuales cuando las señales de recompensa son escasas.