№ 001Публикация конференцииРазбор

Pairwise Ranking Outperforms Single-Action RL for Offline Explanation Selection: A Practical Lesson

Для каждого запроса заранее создаётся пул объяснений с признаками текста и происхождения. Парный ранкер выбирает вариант и сравнивается с одношаговыми RL-подходами.