为什么RL比SFT/DPO效果更好?什么情况下可能会比SFT差?CMU最新研究爆了....

AI for Research 2025年03月09日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

这是一篇3天前发表的论文,名称是《All Roads Lead to Likelihood—The Value of Reinforcement Learning in Fine-Tuning》作者是