Un article réunit pré-entraînement, ajustement fin et apprentissage par renforcement dans un seul algorithme fondé sur la vraisemblance

Des auteurs de Carnegie Mellon, Johns Hopkins et d'ailleurs formulent les objectifs de RL comme un ajustement par maximum de vraisemblance à des cibles générées par le modèle et rapportent un meilleur compromis précision-calcul ; prépublication non relue.