会员服务
Entropy Controllable Direct Preference Optimization
Arxiv
0+阅读 · 11月12日
Choosy Babies Need One Coach: Inducing Mode-Seeking Behavior in BabyLlama with Reverse KL Divergence
Arxiv
0+阅读 · 10月29日
Score-Based Variational Inference for Inverse Problems
Arxiv
0+阅读 · 10月8日
Rate-Constrained Remote Contextual Bandits
Arxiv
0+阅读 · 2022年4月26日
Optimistic Reinforcement Learning by Forward Kullback-Leibler Divergence Optimization
Arxiv
0+阅读 · 2022年4月22日
Greedification Operators for Policy Optimization: Investigating Forward and Reverse KL Divergences
Arxiv
0+阅读 · 2022年4月18日
Nested Variational Inference
Arxiv
0+阅读 · 2021年6月21日
Optimistic Reinforcement Learning by Forward Kullback-Leibler Divergence Optimization
Arxiv
0+阅读 · 2021年5月27日
Imitation Learning as $f$-Divergence Minimization
Arxiv
0+阅读 · 2020年5月31日
Imitation Learning as $f$-Divergence Minimization
Imitation Learning as $f$-Divergence Minimization
Arxiv
0+阅读 · 2019年5月30日
Expectation Propagation performs a smoothed gradient descent
Arxiv
0+阅读 · 2016年12月15日
Dual Discriminator Generative Adversarial Nets
Arxiv
0+阅读 · 2017年9月12日
参考链接
微信扫码咨询专知VIP会员
Top