谷歌浏览器插件
订阅小程序
在清言上使用
VIPCreated with Sketch.

Weak-to-Strong Preference Optimization: Stealing Reward from Weak Aligned Model

Wenhong Zhu,Zhiwei He, Xiaofeng Wang,Pengfei Liu,Rui Wang

ICLR 2025（2025）

引用 0|浏览4
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要