Weak-to-Strong Preference Optimization: Stealing Reward from Weak Aligned Model

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhu, Wenhong, He, Zhiwei, Wang, Xiaofeng, Liu, Pengfei, Wang, Rui
Formato:	Preprint
Publicado:	2024
Materias:	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/2410.18640