Un artículo reúne el preentrenamiento, el ajuste fino y el aprendizaje por refuerzo en un único algoritmo basado en verosimilitud

Autores de Carnegie Mellon, Johns Hopkins y otros centros derivan los objetivos de RL como ajuste de máxima verosimilitud a objetivos generados por el modelo y reportan un mejor equilibrio entre precisión y cómputo; es un preprint sin revisión por pares.