DPO Meets PPO: Reinforced Token Optimization for RLHF

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhong, Han, Shan, Zikang, Feng, Guhao, Xiong, Wei, Cheng, Xinle, Zhao, Li, He, Di, Bian, Jiang, Wang, Liwei
Formato:	Preprint
Publicado:	2024
Materias:	Machine Learning Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2404.18922