Artigo reúne pré-treinamento, ajuste fino e aprendizado por reforço em um único algoritmo baseado em verossimilhança

Autores da Carnegie Mellon, Johns Hopkins e outras instituições derivam objetivos de RL como ajuste de máxima verossimilhança a alvos gerados pelo modelo e relatam melhor relação entre precisão e computação; é um preprint sem revisão por pares.