谷歌浏览器插件
订阅小程序
在清言上使用
VIPCreated with Sketch.

Optimizing Language Models with Fair and Stable Reward Composition in Reinforcement Learning

Jiahui Li, Hanlin Zhang,Fengda Zhang,Tai-Wei Chang,Kun Kuang,Long Chen,Jun Zhou

EMNLP 2024（2024）

引用 1|浏览3
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要