Cooper: Co-Optimizing Policy and Reward Models in Reinforcement Learning for Large Language Models

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Hong, Haitao, Yan, Yuchen, Wu, Xingyu, Hou, Guiyang, Zhang, Wenqi, Lu, Weiming, Shen, Yongliang, Xiao, Jun
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!