主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2022 / arXiv
Scaling Laws for Reward Model Overoptimization
作者：
Leo Gao, John Schulman, Jacob Hilton ·
来源：
arXiv ·
发布日期：
2022
奖励黑客/过优化
奖励建模
策略优化
策略梯度人类反馈强化学习
样本效率
新标签打开 AlphaXiv
AlphaXiv 中文概览（可滚动查看）
