Tag: Reward Optimization

All the papers with the tag "Reward Optimization".

• Soft Best-of-n Sampling for Model Alignment

  grok-3-latest

  Score: 0.71

  Published:2025年5月6日 at  at 04:03

  #LLM, #Model Alignment, #Sampling, #Reward Optimization, #KL Divergence

  本文提出 Soft Best-of-n 采样方法，通过温度参数 λ 实现奖励优化与分布相似性的平滑权衡，并在理论上证明其以 O(1/n) 速率逼近最优倾斜分布，为大型语言模型对齐提供了一种高效且灵活的推理时策略。