Discriminative Finetuning of Generative Large Language Models without Reward Models and Human Preference Data

Ähnliche Einträge

• Adaptive Preference Scaling for Reinforcement Learning with Human Feedback
  von: Hong, Ilgee, et al.
  Veröffentlicht: (2024)
• Think-RM: Enabling Long-Horizon Reasoning in Generative Reward Models
  von: Hong, Ilgee, et al.
  Veröffentlicht: (2025)
• Ask a Strong LLM Judge when Your Reward Model is Uncertain
  von: Xu, Zhenghao, et al.
  Veröffentlicht: (2025)
• Self-Rewarding PPO: Aligning Large Language Models with Demonstrations Only
  von: Zhang, Qingru, et al.
  Veröffentlicht: (2025)
• Robust Reinforcement Learning from Corrupted Human Feedback
  von: Bukharin, Alexander, et al.
  Veröffentlicht: (2024)