ログイン
会員登録
ブラッドリーテリー嗜好モデル
書いてみる
関連タグ
#DPOアルゴリズム (1)
#RLHF (43)
#トークン (3,644)
#トークンレベルMDP (1)
#モデル (13,053)
#人間 (66,487)
人気
急上昇
新着
定番
有料のみ
1件
人気の記事一覧
From r to Q∗: Your Language Model is Secretly a Q-Function
Ikemen Mas Kot
3か月前