2024年11月30日
offline RL · PbRL | LiRE：构造 A>B>C 的 RLT 列表，得到更多 preference 数据
摘要： LiRE 的主要贡献（故事）：1. 构造 A>B>C 的 RLT，利用二阶偏好信息；2. 使用线性 reward model，提升 PbRL 性能。 阅读全文
posted @ 2024-11-30 16:07 MoonOut 阅读(104) 评论(0) 推荐(0) 编辑