The Hidden Link between RLHF and Contrastive Learning
Xufei Lv · Kehai Chen · Haoyuan Sun · Xuefeng Bai · Min Zhang · Houde Liu
首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Xufei Lv · Kehai Chen · Haoyuan Sun · Xuefeng Bai · Min Zhang · Houde Liu
Kai Qin · Liangxin Liu · Yu Liang · Longzheng Wang · Wangyan · Zhang Yueyang · Long Xia · Zhiyuan Sun · Houde Liu · Daiting Shi
Reward Models (RMs) are critical components in the Reinforcement Learning from Human Feedback (RLHF) pipeline, directly determining the alignment quality of Large Language Models (LLMs). Recently, Generative Reward Models (GRMs) have emerged as a superior paradigm, offering higher interpretabilit...
Yancong Wei · Yunyi Pang · Sicheng Liu · Kangkang Dong · Houde Liu
Yi Liu · Haoxuan Xu · Hongbo Duan · Keyu Fan · Zhengyang Zhang · Peiyu Zhuang · Pengting Luo · Houde Liu
Chenxi Han · Yuheng Min · Zihao Huang · Ao Hong · Hang Liu · Yi Cheng · Houde Liu
Yancong Wei · Zhihao Xu · Sicheng Liu · Kangkang Dong · Houde Liu
Yang Yang · Bingjie Chen · Zihan Wang · Yizhe Li · Guoping Pan · Yi Cheng · Houde Liu
Yi Liu · Haoxuan Xu · Keyu Fan · Zhewen Chen · Houde Liu
mingxin wang · Zhirun Yue · Renhao Lu · Yizhe Li · Zihan Wang · Guoping Pan · Kangkang Dong · Jun Cheng · Yi Cheng · Houde Liu
Renhao Lu · mingxin wang · Chenyang Cao · Yang Yang · Guoping Pan · Kangkang Dong · Yi Cheng · Houde Liu
Guoping Pan · Xinmiao Yu · Wannan Cao · Baolin Jiang · Yizhe Li · Yi Cheng · Houde Liu