Off-Policy Corrected Reward Modeling for Reinforcement Learning from Human Feedback

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Ackermann, Johannes, Ishida, Takashi, Sugiyama, Masashi
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!