ReDit: Reward Dithering for Improved LLM Policy Optimization

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wei, Chenxing, Yu, Jiarui, He, Ying Tiffany, Dong, Hande, Shu, Yao, Yu, Fei
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Artificial Intelligence 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/2506.18631