توزيع غيبس

توزيع احتمالي يتناسب مع exp(المكافأة/الحرارة)، مُستمد من الميكانيكا الإحصائية. السياسة المُثلى في RLHF المُقيَّد بتباعد KL تأخذ هذا الشكل بالضبط.

A probability distribution proportional to exp(reward/temperature), from statistical mechanics. The optimal policy in KL-constrained RLHF takes exactly this form.