Trust Region Preference Approximation: A simple and stable reinforcement learning algorithm for LLM reasoning

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Su, Xuerui, Xie, Shufang, Liu, Guoqing, Xia, Yingce, Luo, Renqian, Jin, Peiran, Ma, Zhiming, Wang, Yue, Wang, Zun, Liu, Yuting
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!