Complementing reinforcement learning with SFT through logit averaging in the post training of LLMs

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Gan, Xingwei, Zhu, Ying
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares