机器学习杂货铺总店
Home
About
Tags
Categories
Archives
Search
大模型
Tag
生成式奖励模型需考虑对齐推理过程
02-27
BoNBoN——结合行为模仿和偏好对齐进行Best-of-N对齐的方法
03-24
奖励模型中的尺度扩展定律和奖励劫持
02-09
【论文极速读】 大规模语言模型中的能力“涌现”现象
03-25