critic-alignment

标签

#critic-alignment

PACT：从信用分配到评论家对齐

Hugging Face Daily Papers ↗ · 2天前缓存

该论文为大型语言模型强化学习中的令牌级信用制定了正则条件，并介绍了策略对齐评论家训练（PACT），该方法在数学推理和编码基准测试中优于GRPO和PPO。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈