Статья в работе
Вторая часть ещё пишется. Она про сами reward-модели: как построить те, которым можно доверять, и как балансировать несколько reward сразу.
Первая часть — о том, как довести reward до генератора: RL for Diffusion models: Part 1.
Источники
Список появится вместе с текстом. Методы доставки reward и их статьи — в первой части.
Весь сайт для LLM-агентов:The full site for LLM agents: /llms.txt, /llms-full.txt.