论文将预训练、微调与强化学习统一到单一的基于似然的训练算法之下

来自卡内基梅隆大学、约翰斯·霍普金斯大学等机构的作者将强化学习目标推导为对模型生成目标分布的最大似然拟合，并报告了更优的精度与算力权衡；该文为未经同行评审的预印本。