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

RL-finetuning LLMs from On- and Off-Policy Data with a Single Algorithm

Yunhao Tang, Taco Cohen, David W. Zhang,Michal Valko,Rémi Munos

arxiv（2025）

引用 0|浏览2
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