SCARL: Sequence Confidence-Aligned Reinforcement Learning

Zhenghong Ke, Jingbo Zhou, Hua Wu

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.