A Comedy of Estimators: On KL Regularization in RL Training of LLMs

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Shah, Vedant, Obando-Ceron, Johan, Jain, Vineet, Bartoldson, Brian, Kailkhura, Bhavya, Mittal, Sarthak, Berseth, Glen, Castro, Pablo Samuel, Bengio, Yoshua, Malkin, Nikolay, Jain, Moksh, Venkatraman, Siddarth, Courville, Aaron
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares