Off-Policy Value-Based Reinforcement Learning for Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Peng-Yuan, Li, Ziniu, Xu, Tian, Yang, Bohan, Liu, Tian-Shuo, Wang, ChenYang, Chen, Xiong-Hui, Li, Yi-Chen, Yang, Tianyun, Chen, Congliang, Yu, Yang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2603.23355