A Unified Pairwise Framework for RLHF: Bridging Generative Reward Modeling and Policy Optimization

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Xu, Wenyuan, Zuo, Xiaochen, Xin, Chao, Yue, Yu, Yan, Lin, Wu, Yonghui
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares