offline RL · PbRL | LiRE：构造 A>B>C 的 RLT 列表，得到更多 preference 数据

2024-12-27 分类：技术专栏 阅读(37) 评论(0)

从 RLT 里推导出
\((\sigma_0, \sigma_1, p)\) 的 preference 数据，其中
\(p\in\{0,0.5,1\}\) 。