Quagmires in SFT-RL Post-Training: When High SFT Scores Mislead and What to Use Instead

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Kang, Feiyang, Kuchnik, Michael, Padthe, Karthik, Vlastelica, Marin, Jia, Ruoxi, Wu, Carole-Jean, Ardalani, Newsha
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires