Awesome RL with Human Feedback / 2022 / arXiv

Improving alignment of dialogue agents via targeted human judgements

作者：Amelia Glaese, Nat McAleese, Maja Trębacz, et al · 来源：arXiv · 发布日期：2022

偏好学习对齐目标设计长文本/对话
新标签打开 AlphaXiv新标签打开 Dataset
Improving alignment of dialogue agents via targeted human judgements figure
AlphaXiv 中文概览（可滚动查看）