Wang, X., Wu, T., Tang, M., Li, J., Liu, Q., & Zheng, Z. (2026). The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement.
Chicago-Zitierstil (17. Ausg.)Wang, Xiaobo, Tong Wu, Min Tang, Jiaqi Li, Qi Liu, und Zilong Zheng. The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement. 2026.
MLA-Zitierstil (9. Ausg.)Wang, Xiaobo, et al. The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement. 2026.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.