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

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Gan, Wangjie, Pan, Miao, Xi, Linbo, Zhang, Wenqi, Chen, Jintao, Yin, Jianwei, Zhang, Xuhong
Formato:	Preprint
Publicado:	2026
Materias:	Artificial Intelligence Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Ejemplares similares