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

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Hong, Haitao, Yan, Yuchen, Wu, Xingyu, Hou, Guiyang, Zhang, Wenqi, Lu, Weiming, Shen, Yongliang, Xiao, Jun
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires