[CL] Reinforcement Learning...

[CL] Reinforcement Learning Enhanced LLMs: A Survey
机器学习人工智能论文#AI创造营#
本文对利用强化学习增强大型语言模型的研究进行了系统性综述，比较了RLHF、RLAIF和DPO等方法的优缺点，并指出了未来研究方向，其中直接偏好优化（DPO）方法的简洁高效以及小模型有时优于大模型的反直觉结果尤为引人注目。