GFT: From Imitation to Reward Fine-Tuning with Unbiased Group Advantages and Dynamic Coefficient Rectification

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Gan, Wangjie, Pan, Miao, Xi, Linbo, Zhang, Wenqi, Chen, Jintao, Yin, Jianwei, Zhang, Xuhong
Format: Preprint
Publié: 2026
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires