The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Wang, Xiaobo, Wu, Tong, Tang, Min, Li, Jiaqi, Liu, Qi, Zheng, Zilong
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi