[LG] Offline Regularised Reinfor-20240531054221

文章预览

2024-05-31 05:42 本条微博链接 [LG] Offline Regularised Reinforcement Learning for Large Language Models Alignment 网页链接 提出DRO框架，通过联合学习策略和价值函数，提供一种利用单轨迹用户反馈数据进行大型语言模型离线调整的简单高效方法。 ………………………………