On Distinguishing Capability Elicitation from Capability Creation in Post-Training: A Free-Energy Perspective On Distinguishing Capability Elicitation from Capability Creation in Post-Training: A Free-Energy Perspective
元記事を読む 鮮度 OK
AI English summary
arXiv:2605.08368v1 Announce Type: cross Abstract: Debates about large language model post-training often treat supervised fine-tuning (SFT) as imitation and reinforcement learning (RL) as discovery. B
※ この記事の本文は近日中に AI が生成して差し替わります。現時点では上記サマリをご参照ください。
元記事を読む 
arxiv.org
本ページの本文・要約は AI による自動生成です。正確性は元記事 (arxiv.org) をご確認ください。