1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 外语学习
  5. 英语学习

大语言模型后训练：离策学习与在策学习的统一视角 Large Language Model Post-Training A Unified View of Off-Policy and On-Policy Learning.pdfVIP

  • 0
  • 0
  • 约17.39万字
  • 约 38页
  • 2026-05-25 发布于广东
  • 举报

大语言模型后训练：离策学习与在策学习的统一视角 Large Language Model Post-Training A Unified View of Off-Policy and On-Policy Learning.pdf

    LargeLanguageModelPost-Training:AUnifiedViewofOff-Policy

    andOn-PolicyLearning

    ∗

    SHIWANZHAO,zhaosw@,NankaiUniversity,China

    ZHIHUWANG,wangzhihu3@,HuaweiTechnologiesLtd.,China

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >