从 On-Policy Baseline 到 Off-Policy Score Centering！深度解析 score-centering 的前世今生

已收录文章摘要，完整内容可前往原文阅读。

MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特