Robust Post-Training for Generative Recommenders: Why Exponential Reward-Weighted SFT Outperforms RLHF

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Chidambaram, Keertana, Krishnamurthy, Sanath Kumar, Xu, Qiuling, Hsiao, Ko-Jen, Bhattacharya, Moumita
Format: Preprint
Publié: 2026
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires