摘要
针对开放端任务中强化学习将丰富文本反馈压缩为标量奖励导致信息丢失的问题，本文提出经验学习（EL）方法。该方法将“作为评判者的 LLM
AI 推荐理由
论文提出经验学习框架，利用教练模型反馈实现策略自我改进与泛化，属核心进化机制。
研究机构
Microsoft Research
Tsinghua University
Peking University
论文信息