主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2025 / arXiv
REINFORCE++: A Simple and Efficient Approach for Aligning Large Language Models
作者：
Jian Hu ·
来源：
arXiv ·
发布日期：
2025
对齐目标设计
策略优化
策略梯度人类反馈强化学习
样本效率
新标签打开 AlphaXiv
新标签打开 Code
AlphaXiv 中文概览（可滚动查看）
