Quantile Reward Policy Optimization: Alignment with Pointwise Regression and Exact Partition Functions

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Matrenok, Simon, Moalla, Skander, Gulcehre, Caglar
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2507.08068