Patch the Distribution Mismatch: RL Rewriting Agent for Stable Off-Policy SFT

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Jiacheng, Jian, Ping, Yang, Zhen, Chen, Zirong, Liao, Keren, Guo, Zhongbin
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2602.11220