主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2023 / arXiv
ReMax: A Simple, Effective, and Efficient Reinforcement Learning Method for Aligning Large Language Models
作者：
Ziniu Li, Tian Xu, Yushun Zhang, Yang Yu, Ruoyu Sun, Zhi-Quan Luo ·
来源：
arXiv ·
发布日期：
2023
对齐目标设计
训练稳定性
策略梯度人类反馈强化学习
样本效率
新标签打开 AlphaXiv
AlphaXiv 中文概览（可滚动查看）
