Your Language Model is Its Own Critic: Reinforcement Learning with Value Estimation from Actor's Internal States

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Choi, Yunho, Lim, Jongwon, Ahn, Woojin, Oh, Minjae, Shim, Jeonghoon, Jo, Yohan
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence Computation and Language
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