Mitigating Reward Over-optimization in Direct Alignment Algorithms with Importance Sampling

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Nguyen, Phuc Minh, Nguyen, Ngoc-Hieu, Nguyen, Duy H. M., Liu, Anji, Mai, An, Nguyen, Binh T., Sonntag, Daniel, Doan, Khoa D.
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires