報酬モデル

書いてみる

関連タグ

#データセット (847)
#モデル (13,068)
#タスク (6,480)
#人間のフィードバック (3)
#使用 (3,397)
#報酬 (3,652)

Reuse Your Rewards: Reward Model Transfer for Zero-Shot Cross-Lingual Alignment

Ikemen Mas Kot
3か月前

RewardBench: Evaluating Reward Models for Language Modeling

Ikemen Mas Kot
2か月前