نسخة أولية وصول مفتوح
المكاسب والانهيار في التقطير السياسي المباشر: منظور التعلم المعزز
أصبح التقطير على السياسة (OPD) نهجًا مهمًا في ما بعد تدريب النماذج اللغوية. لكن رغم مكاسبه في الأداء، قد ينهار OPD إلى توليد طويل جدًا ومتكرر، وما زالت الآلية وراء هذه النتائج المتباينة غير مفهومة جيدًا. نفسّر هذه النتائج من منظور التعلم المعزز: فالمعلم يكافئ ضمنيًا سلوكيات الطالب، حتى تلك التي نادرًا ما يظهرها هو نفسه …