Documenti analoghi

• Reward-Augmented Data Enhances Direct Preference Alignment of LLMs
  di: Zhang, Shenao, et al.
  Pubblicazione: (2024)
• TGDPO: Harnessing Token-Level Reward Guidance for Enhancing Direct Preference Optimization
  di: Zhu, Mingkang, et al.
  Pubblicazione: (2025)
• Lookahead Sample Reward Guidance for Test-Time Scaling of Diffusion Models
  di: Kim, Yeongmin, et al.
  Pubblicazione: (2026)
• Diffusion-DICE: In-Sample Diffusion Guidance for Offline Reinforcement Learning
  di: Mao, Liyuan, et al.
  Pubblicazione: (2024)
• Reward Models in Deep Reinforcement Learning: A Survey
  di: Yu, Rui, et al.
  Pubblicazione: (2025)