Self-Improving Tabular Language Models via Iterative Reward-Guided Post-Training

En 3 lignesTabGRAA, une méthode d'alignement par avantage relatif de groupe, améliore les modèles de langage tabulaires via post-entraînement itératif guidé par récompense. Sur cinq benchmarks, elle surpasse DPO, KTO et NPO adaptés, optimisant le compromis fidélité-utilité-confidentialité sans supervision supplémentaire.

Résumé généré par Claude — vérifié par l'humain