f-GRPO and Beyond: Divergence-Based Reinforcement Learning Algorithms for General LLM Alignment

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Haldar, Rajdeep, Mei, Lantao, Lin, Guang, Xing, Yue, Song, Qifan
Format: Preprint
Publié: 2026
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires