Implicit Reward Signal (Log-Ratio Reward)

引用本概念的论文(1)

• 通过直接同策略蒸馏实现的由弱到强泛化 Weak-to-Strong Generalization via Direct On-Policy Distillation arXiv 2607.05394

共现相关概念

在引用本概念的论文中,与下列概念同时出现的次数(降序)。