Teaching LLM to be Persuasive: Reward-Enhanced Policy Optimization for Alignment from Heterogeneous Rewards

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Zeng, Xia, Chen, Yihan, Liu, Luhui, Luo, Chao, Chen, Ye, Zhuang, Zhuoran
Format:	Preprint
Publié:	2025
Sujets:	Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2510.04214