Sequence to Sequence Reward Modeling: Improving RLHF by Language Feedback

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhou, Jiayi, Ji, Jiaming, Dai, Juntao, Li, Dong, Yang, Yaodong
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2409.00162