本文提出了一种新方法Reinforce-Rej，旨在解决大语言模型在复杂推理任务中的适应性不足问题。通过样本筛选，该方法提高了KL效率和稳定性，为基于奖励的后期训练提供了有效的替代方案。

A Simplified Approach to Inference in Large Language Models: From Rejection Sampling to Reinforcement Learning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证