DDO-RM: Distribution-Level Policy Improvement after Reward Learning

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhang, Tiantian, Zuo, Jierui, Chen, Michael, Wang, Wenping
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.11119