Обучение с подкреплением часто не спасает от выдумок моделей. Исследователи выявили при...
Обучение с подкреплением часто не спасает от выдумок моделей. Исследователи выявили причину: уверенность в ошибке блокирует исправление. Новый метод DEEPO решает это через «экспертные подсказки» и корректировку градиентов. Тесты на сложной задаче VideoMMMU показали рост на 4.0 балла. Это сигнал для разработчиков о необходимости новых подходов к стабильности, хотя метод пока требует валидации на других датасетах. 🔹 Первый Нейронный
1 просмотров