Roux, N. L., Bellemare, M. G., Lebensold, J., Bergeron, A., Greaves, J., Fréchette, A., . . . Work, S. (2025). Tapered Off-Policy REINFORCE: Stable and efficient reinforcement learning for LLMs.
Chicago-Zitierstil (17. Ausg.)Roux, Nicolas Le, et al. Tapered Off-Policy REINFORCE: Stable and Efficient Reinforcement Learning for LLMs. 2025.
MLA-Zitierstil (9. Ausg.)Roux, Nicolas Le, et al. Tapered Off-Policy REINFORCE: Stable and Efficient Reinforcement Learning for LLMs. 2025.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.