Understanding the Performance Gap in Preference Learning: A Dichotomy of RLHF and DPO

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Shi, Ruizhe, Song, Minhak, Zhou, Runlong, Zhang, Zihan, Fazel, Maryam, Du, Simon S.
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning 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/2505.19770